El método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
|
|
- Vanesa Vega Blanco
- hace 7 años
- Vistas:
Transcripción
1 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. 4 Tabla del método simplex. 5 El método de penalización. 5 El algoritmo simplex. 6 Solución de problemas. 7 El método de las dos fases. 8 El algoritmo simplex revisado.
2 Forma estándar Todas las restricciones son del tipo. Todas las variables del modelo son no negativas. Las componentes del vector b son no negativas. max(min) z c T x Ax b x Objetivo max forma estándar de maximización. Objetivo min forma estándar de minimización.
3 Cambios en el modelo n. F. objetivo. min z c j x j n max ( z) c j x j. j j. Restricciones. n a ij x j b i n a ij x j b i. j j n n a ij x j b i a ij x j + y b i. j n a ij x j b i j j n a ij x j y b i. j y variable de holgura. n n a ij x j b i a ij x j b i j j j n y a ij x j b i.
4 Cambios en el modelo (continuación) 4. Variables. Si x j, cambio de variable x j x j, donde x j. Si x j no tiene restricción de signo, cambio de variable Si x j > x Si x j < x Si x j x x j x j x j, donde x j, x j. j, entonces x j >. j, entonces x j <. j, entonces x j.
5 Ejemplo 5 Forma estándar de maximización min z x + x + x x + x x x x + 5x x + x + x 4 x, x, x : no rest. max ( z) x + x x + x + x 4 + x 5 x x x + x x 4 x x 5x + 5x x 5 x x + x x 4 x, x, x, x, x 4, x 5 Función objetivo. min z x + x + x max ( z) x x x. Restricciones. x + x x x + x x x 4. x x + 5x x x + 5x + x 5 x + x 5x x 5. Variables. x x x. x no restringida x x x.
6 Soluciones de modelos lineales 6 max z c T x Ax b x x, c R n, b R m, A R m n, m < n, rang(a) m. x es solución si Ax b. Si x es solución factible. B submatriz base de A y Bx B b, x B es solución básica. Si x B es factible básica. Si x B > es no degenerada. Si alguna componente es es degenerada. F Región de factibilidad: soluciones factibles. Solución óptima: x. Valor óptimo: z c T x.
7 Ejemplo 7 max z x + 6x + 5x + 4x 4 + x 5 x + 8x + x + x 4 + x 5 6 x + x + x + x 4 4 x, x, x, x 4, x 5 c T (, 6, 5, 4, ), x T (x, x, x, x 4, x 5 ) ( ) ( ) 8 6 A, b 4 rang A < número de incognitas infinitas soluciones. Número de soluciones básicas Número de bases finito. Elegir B x B B b. OpenCourseWare, UPV/EHU. El método simplex
8 Ejemplo 8 Cálculo de soluciones x B Matriz base B columnas primera y cuarta de A. ( ) B ( ) ( ) x 8 x B, N y x N ( x 4 ) ( 6 4 ) ( ) ( 8 Infinitas soluciones dar valores a x, x y x 5. ) x x x 5 x x x 5 ()
9 Cálculo de soluciones 9 Si en la ecuación () x, x y x 5, x B ( )( 6 4 ) ( ) solución factible básica. Si en la ecuación () x, x y x 5, ( x x 4 ) ( ) ( 7 6 ) ( ) x T (,,,, ) solución factible no básica.
10 Puntos extremos y soluciones factibles básicas Teorema max z c T x Ax b x x es solución factible básica si y sólo si x es punto extremo. Teorema max z c T x Ax b x z se encuentra en un punto extremo de la región F.
11 Ejemplo Solución gráfica puntos extremos max z x + x x + 4x 4 x x x, x x A O C B x x x + 4x 4 x max Puntos extremos: O (, ), A (, ), B ( 6, 7 ), C (, ) Solución óptima: punto B.
12 Ejemplo Soluciones básicas puntos extremos max z x + x + x + x 4 Máximo número de bases 6.. Primera opción. B (a a ). 4 x B x + 4x +x 4 x x +x 4 x, x, x, x 4 4 Solución básica factible Punto B.. Segunda opción. B (a a ). x B 4 Solución básica factible punto C. 4! !
13 Ejemplo (continuación) Soluciones básicas puntos extremos. Tercera opción. B (a a 4 ). x B 4. Cuarta opción. B (a a ). 4 x B Quinta opción. B (a a 4 ). 4 x B 4 Solución básica factible punto A. 6. Sexta opción. B (a a 4 ). x B 4 Solución básica factible punto O. 4 4!
14 El método simplex 4 Definiciones y notación max z c T x Ax b x A m n, n > m. B base, N resto de columnas. c B, x B componentes básicas de c y x. c N y x N componentes no básicas de c y x. max z (c T B c T N) (B N) x B x N x B b x N x B, x N max z c T B x B + c T N x N Bx B + Nx N b x B, x N OpenCourseWare, UPV/EHU. El método simplex
15 El método simplex 5 Definiciones y notación x B x B x B. x Bm C A, c B c B c B. c Bm C A Valor objetivo. mx z c T B x B c Bi x Bi i Cálculo de z j c j. mx z j c j c Bi y ij c j i Coordenadas de a, a,..., a n A. a j y j a + y j a + + y mj a m Vector de coordenadas y j y j y j. y mj mx y ij a i. i C A
16 Ejemplo 6 max z x + 4x + 5x + 6x 4 x + x + x + 8x 4 6 x + x + x + x 4 4 x, x, x, x 4 max z (, 4 5, 6) x x x x 4 C A B (a a ) 8 x x x x 4 6 C A 4 x, x, x, x 4
17 Cálculos 7 Solución básica. x B B b 6 4 Función objetivo. c T B (, 4) z ct B x B (, 4) 4 Coordenadas de a 4. 8 y 4 Valor indicador z 4 c 4. + y 4 y4 y 4 y 4 z 4 c 4 c T B y 4 c 4 (, 4) y4 7 6 y
18 Mejora de una solución factible básica 8 Teorema Sea el modelo lineal en forma estándar max z c T x Ax b x B una base elegida en A, x B B b y z c T B x B. Si existe a j A, a j / B, tal que z j c j < y con alguna de sus coordenadas y ij, i,...,m, positiva, entonces existe otra solución factible básica x B tal que z c T Bx B z c T B x B
19 Cambio de base cálculo de una solución mejor 9 Reglas de selección Vector que entra en la base: a k tal que z k c k min j {z j c j /z j c j < } Esta regla garantiza que z z. Vector que sale: a k sustituye en la base a a r tal que x Br y rk { } xbi min /y ik > i y ik Esta regla garantiza que x B.
20 Fórmulas para el cálculo de x B y z Base y solución: B, x B, z. a k sustituye a a r Nuevas base y solución: B, x B, z. Fórmula para calcular la nueva solución factible básica. x B x Bi x Br y ik y rk x Br y rk i r i r Fórmula para calcular el nuevo valor de la función objetivo. z z x Br y rk (z k c k )
21 Condiciones de óptimo y de mejora Base y solución: B, x B, z. Condiciones de óptimo. Si a j A, a j / B, z j c j solución óptima... Si a j A, a j / B, z j c j > solución óptima única... Si a j A, a j / B con z j c j soluciones óptimas múltiples.. Condiciones de mejora. Si a j A, a j / B, con z j c j < se puede mejorar... Si a j A, a j / B, con z j c j < y todas las coordenadas son menores o iguales que solución no acotada... Si no, aplicar el teorema de mejora.
22 Solución factible básica inicial Primera base formada por variables de holgura (b ) max z c T x Ax b x max z c T x + T y Ax + Iy b x, y B I formada por variables de holgura, B I. x B B b I b b solución factible básica. Valor de la función objetivo. z c T B x B T x B. Vector de coordenadas. y j B a j Ia j y j a j. Cálculo de indicadores. z j c j c T B y j c j c j c j. Resultados de los cálculos los parámetros del modelo.
23 Ejemplo max z x + x x + x x x x, x. Solución. x B B b I max z x + x + x + x 4 B (a a 4 ) I base canónica.. Función objetivo. z c T B x B (, ). Coordenadas y j y valor z j c j. a x + x + x x x + x 4 x, x, x, x 4 La solución es factible.. y B a z c c T B y c (, ).
24 Ejemplo (continuación) 4. a a a 4 y B a y B a z c c T B y c (, ) z c c T B y c (, ) y 4 B a 4 z 4 c 4 c T B y 4 c 4 (, )...
25 Solución factible básica inicial 5 Variables artificiales en la base penalizar max z x + x x + x x + x x, x max z x + x + x + x 4 x + x + x x + x x 4 x, x, x, x 4 max z x + x + x + x 4 Mw x + x + x x + x x 4 + w x, x,...,w B (a a w ) x B B b ( )( ) ( )
26 Tabla del método simplex 6 Variables originales Variables auxiliares x... x n x n+... x j... z c... z n c n z n+ c n+... z j c j... z c B a B y... y n y,n+... y,j... x B..... c Bi a Bi y i... y in y i,n+... y i,j... x Bi..... c Bm a Bm y m... y mn y m,n+... y m,j... x Bm
27 Ejemplo 7 Tabla del simplex sin penalización max z x + x + x + x 4 x + x + x x x + x 4 x, x, x, x 4 x x x x 4 a a 4 x x... x n x n+ x n+... x n+m c T B B A c T c T B B c T B x B c B B B A B x B
28 Ejemplo 8 Tabla del simplex con penalización max z 5x + 6x + 7x x + x 6x 5 x x + 5x x + x + x 5 x, x, x max z 5x + 6x + 7x + x 4 Mw Mw x + x 6x x 4 + w 5 x x + 5x + x 5 x + x + x + w 5 x, x, x, x 4, x 5, w, w x x x x 4 x 5 w w 4M + 5 M 6 4M 7 M 5M M a w 6 5 a 5 5 M a w 5
29 Condiciones de óptimo y de mejora con penalización 9 Base y solución: B, x B, z. Condiciones de óptimo. a j A, a j / B, z j c j.. Si hay variables artificiales en la base problema infactible... Si no hay variables artificiales en la base solución óptima. a j A, a j / B, z j c j > solución óptima única. Si a j A, a j / B con z j c j soluciones óptimas múltiples.. Condiciones de mejora. Si a j A, a j / B, con z j c j < se puede mejorar... Si a j A, a j / B, con z j c j < y todas las coordenadas son menores o iguales que solución no acotada... Si no, aplicar el teorema de mejora.
30 Algoritmo simplex Paso. Construir la tabla inicial. Paso. Si z j c j <, la solución puede mejorar. Ir al Paso 4. Si a j A, z j c j, no se puede mejorar. Ir al Paso. Paso. Si en la base hay alguna variable artificial con valor positivo el problema es infactible. Parar. Si no hay variables artificiales en la base, la solución es óptima. * Si a j A, a j / B, z j c j >, solución óptima única. Parar. * Si a k A, a k / B, tal que z k c k y, para ese vector, alguna coordenada y ik, i,..., m, es mayor que cero, se puede calcular una nueva solución factible básica óptima. Ir al Paso 5. * Si a k A, a j / B, tal que z k c k y, para ese vector, y ik, i,..., m, soluciones óptimas múltiples, pero no son soluciones básicas. Parar.
31 Algoritmo simplex (continuación) Paso 4. Si a j A, a j / B, tal que z j c j < y sus coordenadas y j son menores o iguales que, solución no acotada. Parar. Si a j A, a j / B, tal que z j c j < y alguna coordenada y ij es mayor que cero, ir al paso 5. Paso 5. Selección de la nueva base. Entra en la base a k que cumple z k c k min j {z j c j /z j c j } k columna n pivote. o Sale de la base a r que cumple x Br xbi min y i /y rk y ik > r fila pivote ik y rk pivote. Paso 6. Calcular la nueva tabla y volver al Paso. Nueva fila r: dividir la fila r de la tabla actual por el pivote y rk. Nueva fila i fila i actual m i fila pivote. m i y ik y rk, i,..., m, i r. Nueva fila de indicadores fila de indicadores actual m fila pivote. m z k c k y rk.
32 Ejemplo Solución óptima única max z 6x + 4x + 5x + 5x 4 x + x + x + x 4 x + x + 4x + x 4 4 x + x x + x 4 x, x, x, x 4 max z 6x + 4x + 5x + 5x 4 x + x + x + x 4 + x 5 x + x + 4x + x 4 + x 6 4 x + x x + x 4 + x 7 x, x, x, x 4, x 5, x 6, x 7 x x x x 4 x 5 x 6 x m a 5 m a a 7 m 7 m 4 a 5 6 a m a m 5 5 a 4 6 a a 7 5
33 Ejemplo Problema infactible max z 5x + 6x + 7x + x 4 + x 5 Mw Mw x + x 6x x 4 +w 5 x x + 5x +x 5 x + x + x +w 5 x, x, x, x 4, x 5, w, w x x x x 4 x 5 w w 4M + 5 M 6 4M 7 M 5M M a w 6 5 a 5 5 M a w 5 8M + 6M M 6M + -5M+5 M a w a a 5
34 Ejemplo 4 Solución no acotada max z x x x + x 4 4x x 6 x, x max z x x + x + x 4 Mw Mw x + x x + w 4 4x + x x 4 + w 6 x, x, x, x 4, w, w x x x x 4 w w 6M 4M + M M M M a w 4 M a w 4 6 M + 7 M M 4 M + 4 M + M a w a M 7 M + a a 4 M + M a 4 a
35 El método de las dos fases 5 Si son necesarias variables artificiales Primera fase. El objetivo es minimizar la suma de las variables artificiales. Si el valor de la función objetivo es mayor que cero, el problema inicial no tiene solución. En caso contrario, existe solución. Continuar en la segunda fase. Segunda fase. Optimizar la función objetivo del problema original partiendo de la tabla óptima de la primera fase. En dicha tabla sólo cambia la fila de indicadores; continuar con las iteraciones del simplex.
36 Ejemplo 6 Primera fase max z x + x 5x x + x + x 4 x + 5x x x, x, x max ( z ) x +x +x +x 4 w w x + x + x +w 4 x 5x + x x 4 +w x, x, x, x 4, w, w x x x x 4 w w 4 4 a w 4 a w a w 7 4 a 5 5 a a
37 Ejemplo 7 Segunda fase max z x + x 5x Partimos de la tabla óptima de la primera fase. z c (, ) z c (, )! z c (, ) ! z 4 c 4 (, ) 7 7 7! 4 z (, ) x x x x a a
38 Método simplex revisado 8 max z c T x Ax b x B x B B b, z j c j c T B B a j c j. Entra en la base a k tal que z k c k min j {z j c j /z j c j }. Sale de la base a r tal n o que x Br min xbi y i /y rk y ik >. ik y r B a r Todos los cálculos se realizan con B. x n+ x n+... x n+m c T B B c T B x B c B B B x B
39 Ejemplo 9 B max z 6x + 4x + 5x + 5x 4 + x 5 + x 6 + x 7 x + x + x + x 4 +x 5 x + x + 4x + x 4 +x 6 4 x + x x + x 4 +x 7 x, x, x, x 4, x 5, x 6, x x B B b A, c T B (,, ), N c T B B (,, 4 A x 5 x 6 x 7 a 5 a 6 4 a 4 A A
40 Ejemplo 4 Cálculo de los valores indicadores para vectores no básicos. c T B B N c T N (,, 4 Columna pivote y. A (6, 4, 5, 5) ( 6, 4, 5, 5) z c min{ 6, 4, 5, 5} 6 entra a y B a Sale de la base el vector a r tal que x Br y r j, 4, La fila es la fila pivote, el pivote es. Multiplicador de la fila de indicadores: 6. Multiplicador de la primera fila:. Multiplicador de la tercera fila:. ff sale a 6. A OpenCourseWare, UPV/EHU. El método simplex
41 Ejemplo (continuación) 4 x 5 x 6 x 7 a 5 6 a a 7 8 Cálculo de los indicadores para vectores no básicos. c T B B N c T N (,, 4 A (4, 5, 5, ) (, 7,, ) z 4 c 4 min{, } entra a 4. y 4 B B C a A 5 Pivote:. Multiplicador de la fila de indicadores: 4. Multiplicador de la segunda fila:. Multiplicador de la tercera fila: 5. OpenCourseWare, UPV/EHU. El método simplex
42 Ejemplo (continuación) 4 x 5 x 6 x a 4-6 a - a 7-5 Cálculo de los valores indicadores para vectores no básicos. c T B B N c T N (4,, 4 A (4, 5,, ) (,, 4, ). No existe ningún valor indicador negativo la solución es óptima.
43 Observaciones 4 Errores de redondeo: Cuando se utilizan aproximaciones la solución factible básica óptima puede no satisfacer las restricciones. El error se puede evaluar, Bx B b. Variables artificiales en la solución óptima. La existencia de variables artificiales con valor cero en la base óptima indica la existencia de ecuaciones redundantes o bien que la solución es degenerada. Problema de ciclado: El empate en el criterio del vector de entrada se puede romper al azar. El empate en el criterio de salida no se puede romper al azar en algunos casos y hay que utilizar las reglas lexicográficas o la regla de Bland. 4 Eficiencia del método simplex. Hay estudios que muestran que la eficiencia computacional del método simplex es más sensible al número de restricciones que al número de variables.
Dualidad 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 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 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 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 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 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 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 detallesSi el objetivo es maximizar, entonces se tiene la forma estándar de maximización y, si el objetivo es minimizar, la forma estándar de minimización.
Tema El método simplex Los modelos lineales con dos o tres variables se pueden resolver gráficamente. En el Tema hemos visto la solución gráfica de modelos lineales de dos variables. Sin embargo, este
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 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 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 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 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 detallesOptimización lineal. José María Ferrer Caja Universidad Pontificia Comillas ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INDUSTRIAL
Optimización lineal José María Ferrer Caja Universidad Pontificia Comillas Introducción Herramienta más importante de la optimización y de la investigación operativa Multitud de aplicaciones en campos
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 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 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 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 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 detallesAlgebra lineal y conjuntos convexos 1
Algebra lineal y conjuntos convexos Solución de sistemas. Espacios vectoriales. 3 Conjuntos convexos. 4 Soluciones básicas puntos extremos. Rango de una matriz A R m n. Reducir A a una matriz escalonada
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 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 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 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 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 detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Estudiantes: FAREM-Carazo Unidad III Metodologías para la Solución
Más detallesINVESTIGACION DE OPERACIONES:
METODO SIMPLEX El algoritmo símplex fue descubierto por el matemático norteamericano George Bernard Dantzig en 1947, es una técnica para dar soluciones numéricas a problema de programación lineal Un problema
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 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 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 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 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 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 detallesTema V: Optimización Lineal
Tema V: Optimización Lineal Omar J. Casas López Diciembre 2003 1 Algoritmo Simplex El objetivo del Algoritmo Simplex consiste en que partiendo de una Solución Factible Básica inicial, encontrar otra que
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 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 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 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 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 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 bajo Incertidumbre. 0. Revisión. Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR
Optimización bajo Incertidumbre 0. Revisión Carlos Testuri Germán Ferrari Depto. Investigación Operativa. Instituto de Computación. Facultad de Ingeniería, UdelaR 2003-17 Contenido 1 Revisión Probabilidad
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 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 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 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 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 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 detallesEL MÉTODO SIMPLEX ALGEBRAICO. M. En C. Eduardo Bustos Farías
EL MÉTODO SIMPLEX ALGEBRAICO M. En C. Eduardo Bustos Farías Modelos sin solución Degeneración. óptima Soluciones múltiples o alternativas () No acotado: Ocurre cuando el objetivo puede crecer infinitamente
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 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 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 detallesTEST IO-I T1. CONCEPTOS PREVIOS. C1.1. Cualquier conjunto convexo tiene al menos un punto extremo?
TEST IO-I T1. CONCEPTOS PREVIOS C1.1. Cualquier conjunto convexo tiene al menos un punto extremo? a) Puede tener puntos extremos. b) Puede no tener puntos extremos. c) Puede tener vértices. C1.2. Es convexo
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 detallesLo que se hace entonces es introducir variables artificiales ADAPTACIÓN A OTRAS FORMAS DEL MODELO.
Clase # 8 Hasta el momento sólo se han estudiado problemas en la forma estándar ADAPTACIÓN A OTRAS FORMAS DEL MODELO. Maximizar Z. Restricciones de la forma. Todas las variables no negativas. b i 0 para
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 detalles-PROTHIUS- Métodos Cuantitativos de Organización Industrial: Programación Lineal. Joaquín Bautista Valhondo. D-05/2011 (Rec.
Cátedra Nissan -PROTHIUS- Métodos Cuantitativos de Organización Industrial: Programación Lineal. Joaquín Bautista Valhondo D-05/2011 (Rec. IO-JBV) Departamento de Organización de Empresas Universidad Politécnica
Más detallesLección 8. Matrices y Sistemas de Ecuaciones Lineales
Lección 8 Matrices y Sistemas de Ecuaciones Lineales MIGUEL ANGEL UH ZAPATA 1 Análisis Numérico I Facultad de Matemáticas, UADY Septiembre 2014 1 Centro de Investigación en Matemáticas, Unidad Mérida En
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 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 detallesa) Cantidad a utilizar de cada ingrediente en las mezcla para minimizar los costes.
PROLEMA 5 La compañía de transportes "La perola negra" se ha diversificado introduciéndose en el sector de la alimentación, produciendo alimentos mezclados de forma especial. Actualmente ha recibido un
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 detallesRESOLUCIÓN INTERACTIVA DEL SIMPLEX
RESOLUCIÓN INTERACTIVA DEL SIMPLEX Estos materiales interactivos presentan la resolución interactiva de ejemplos concretos de un problema de P.L. mediante el método Simplex. Se presentan tres situaciones:
Más detallesEnero Febrero Marzo Abril. D: uds D: uds D: uds D: uds
PROBLEMA Una empresa dedicada a la fabricación de diferentes artículos, ante la inminente llegada de la estación invernal se plantea establecer su política de fabricación almacenae de estufas de gas para
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 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 detallesDirección de Operaciones
Dirección de Operaciones 1 Sesión No.5 Nombre: El método simplex. Segunda parte. Objetivo Al finalizar la sesión, el alumno será capaz de identificar las herramientas que permiten resolver problemas de
Más detallesParcial. Martes 12 de marzo de (sin textos)
5.53 Parcial Martes 2 de marzo de 2 (sin textos). Responda a todas las preguntas en los cuadernillos de examen. 2. Controle el tiempo. Si un problema (o uno de sus apartados) le lleva mucho tiempo, le
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 detallesEl Problema de Transporte
El Problema de Transporte INVESTIGACIÓN DE OPERACIONES I Maestro Ing. Julio Rito Vargas Avilés Octubre 2008 Problema de Transporte Es un caso especial de problema de programación lineal (PPL), para el
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 detallesProgramación Lineal Continua
Elisenda Molina Universidad Carlos III de Madrid elisenda.molina@uc3m.es 8 de octubre de 2008 Esquema 1 Formulación y Ejemplos 2 3 Ejemplo: Producción de carbón Una empresa minera produce lignito y antracita.
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 detallesResolución de sistemas de ecuaciones lineales
Tema 2 Resolución de sistemas de ecuaciones lineales 21 Métodos directos de resolución de sistemas de ecuaciones lineales 211 Resolución de sistemas triangulares Definición 211 Una matriz A se dice triangular
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 detallesMétodo de las dos fases
Método de las dos fases Max X 0 = 3x 1 + 5x 2 Sujeta a 4 x 1 + x 2 4 - x 1 + 2x 2 2 x 2 3 x 1, x 2 0 1. Se obtiene el problema aumentado con variables artificiales. Max X 0 = 3x 1 + 5x 2 + 0x 3 + 0x 4
Más detallesColección de Problemas II. mín Z = 8x 1 + 9x 2 + 7x 3 s. a: x 1 + x 2 + x x 1 + 3x 2 + x x 1 + x 2 x 3 30
1.- Dado el siguiente problema mín Z = 8x 1 + 9x + 7x 3 s. a: x 1 + x + x 3 40 x 1 + 3x + x 3 10 x 1 + x x 3 30 x 1 0, x 0, x 3 0 A) Plantear el problema dual y escribir las condiciones de la holgura complementaria
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 detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesSistema de Ecuaciones Lineales
Pantoja Carhuavilca Métodos Computacionales Agenda Ejemplos Ejemplos Aplicaciones de los Sistemas La solución de sistemas lineales de ecuaciones lineales es un tema clásico de las matemáticas, rico en
Más detallesDefinición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual
7. Programación lineal y SIMPLEX Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual Programación Lineal
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
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 detallesEl Problema de Transporte
El Problema de Transporte INVESTIGACIÓN DE OPERACIONES I Maestro Ing. Julio Rito Vargas Avilés Julio 202 Problema de Transporte Es un caso especial de problema de programación lineal (PPL), para el cual
Más detallesAnálisis de Sensibilidad de los Resultados
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 22 Análisis de Sensibilidad de los Resultados ICS 02 Optimización Profesor : Claudio Seebach
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 detalles