Lo que se hace entonces es introducir variables artificiales ADAPTACIÓN A OTRAS FORMAS DEL MODELO.

Documentos relacionados
Contenido: Solución algebraica a los problemas de programación lineal con el método simplex.

Programación Lineal. El método simplex

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 9

El Método Simplex. H. R. Alvarez A., Ph. D. 1

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.

Capítulo 4 Método Algebraico

Soluciones básicas factibles y vértices Introducción al método símplex. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

PASO 1: Poner el problema en forma estandar.

UNIVERSIDAD NACIONAL DE INGENIERÍA UNI RUACS ESTELI

Pasos en el Método Simplex

Formulación del problema de la ruta más corta en programación lineal

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías

Con miras a conocer la metodología que se aplica en el Método SIMPLEX, tenemos a continiacion un ejemplo:

Matemáticas

2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

Z Optima X 1 + X 2 5 Z 1 -X 1 + 2X Región factible. Figura 1

Tema II: Programación Lineal

Universidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I

Universidad Nacional de Ingeniería Sede: UNI-Norte Investigación de Operaciones I

Tema 3. El metodo del Simplex.

Tema 3: El Método Simplex. Algoritmo de las Dos Fases.

Programación NO Lineal (PNL) Optimización sin restricciones

Modelos de Programación Lineal: Resolución gráfica y Teorema fundamental. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

IN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0

EJERCICIO DE MAXIMIZACION

PROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX

PROGRAMACION CUADRATICA

Método Simplex: Encontrado una SBF

MÉTODO DEL DUAL (TEORIA DE DUALIDAD)

PROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL.

Desarrollo de las condiciones de optimalidad y factibilidad. El problema lineal general se puede plantear como sigue:

PROGRAMACION ENTERA. M. en C. Héctor Martínez Rubin Celis 1

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal

Algebra lineal y conjuntos convexos

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías

MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN DESIGUALDADES

Jesús Getán y Eva Boj. Marzo de 2014

PROGRAMACIÓN LINEAL MÉTODO GRÁFICO

Instituto tecnológico de Minatitlán. Investigación de operaciones Ing. Erika Lissette Minaya mortera Unidad 3: programación no lineal

3.1 ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN

Problemas de transporte, asignación y trasbordo

Definición de problemas de programación lineal. Método gráfico. Método del SIMPLEX. Método de las dos fases. Análisis de sensibilidad y problema dual

RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY

Programación Lineal Continua

Problemas de Programación Lineal: Método Simplex

EL MÉTODO SIMPLEX ALGEBRAICO. M. En C. Eduardo Bustos Farías

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

POST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES.

Tema 5: Análisis de Sensibilidad y Paramétrico

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 3

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 6. revisado

Unidad I: Programación Lineal

PROBLEMA 1. Considere el siguiente problema de programación lineal:

Matrices Invertibles y Elementos de Álgebra Matricial

Inecuaciones Intervalo Intervalo Abierto Intervalo Cerrado

METODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD

MÉTODO SIMPLEX. PROFESORA: LILIANA DELGADO HIDALGO Estandarización Tradicional

MATEMÁTICAS II CC III PARCIAL

Introducción a la programación lineal

Tema # 7. método simplex matricial o revisado

Fabio Prieto Ingreso 2003

DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES

METODO SIMPLEX NOTAS DE CLASE: INVESTIGACIÓN DE OPERACIONES I UNIVERSIDAD CENTRAL PROFESOR CARLOS DÍAZ. Max Z= 12X X 2

Si el objetivo es maximizar, entonces se tiene la forma estándar de maximización y, si el objetivo es minimizar, la forma estándar de minimización.


Integradora 3. Modelos de Programación Lineal

(2.c) RESOLUCIÓN DE MODELOS LINEALES. ALGORITMO DEL SIMPLEX

Colección Matemáticas para la Administración

WinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente

Inecuaciones con valor absoluto

TEMA 2: PROGRAMACIÓN LINEAL.

Práctica 2: Análisis de sensibilidad e Interpretación Gráfica


Departamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c

Tema No. 3 Métodos de Resolución de Modelos de Programación Lineal. El Método Gráfico y Método Simplex Autoevaluación y Ejercicios Propuestos

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4

UNIDAD 6 PROGRAMACIÓN LINEAL ENTERA. de programación lineal entera. lineal entera.

Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones

EJEMPLO DE SIMPLEX PARA PROBLEMA DE PROGRAMACIÓN LINEAL CASO DE MAXIMIZAR Prof.: MSc. Julio Rito Vargas Avilés

Tema No. 3 Métodos de Resolución de Modelos de Programación Lineal.

Denotamos a los elementos de la matriz A, de orden m x n, por su localización en la matriz de la

ax 2 + bx + c = 0, con a 0

SISTEMAS DE ECUACIONES LINEALES Y MATRICES Dos ecuaciones lineales con dos

CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

Matemáticas Universitarias

Ejemplo : PROGRAMACIÓN LINEAL

Parciales Matemática CBC Parciales Resueltos - Exapuni.

EL MÉTODO SIMPLEX. los redondos. Por último, a los manteles rectangulares se les deben colocar cuatro esquineros de refuerzo.

La programación lineal hace referencia al uso eficiente o distribución de recursos limitados, para alcanzar unos objetivos determinados.

INVESTIGACIÓN OPERATIVA

Universidad del Rosario Economía Matemática II Taller 8 - Kuhn Tucker

Departamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011

Objetivo General: Plantean y resuelven problemas que involucran desigualdades.

El determinante de una matriz se escribe como. Para una matriz, el valor se calcula como:

Clase 9 Programación No Lineal

Universidad de Managua Curso de Programación Lineal

6.2 OBSERVACIONES IMPORTANTES AL UTILIZAR MÉTODO SIMPLEX

UNIDAD 6.- PROGRAMACIÓN LINEAL

DUALIDAD EN PROGRAMACION LINEAL

Transcripción:

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 toda i =,,...,m 8-8- Forma estándar Existen variaciones cuando: Maximizar Z = + + 8, 0 Restricciones en forma de igualdad. Lados derechos negativos. Restricciones de la forma. Función objetivo minimizar. 8-8-.Restricciones en forma de igualdad. Cualquier restricción del tipo a + a +...+ a n X n = b Es equivalente a a + a +...+ a n X n b a + a +...+ a n X n b Lo que se hace entonces es introducir variables artificiales Esto es inconveniente pues se aumenta el número de restricciones 8- Veamos un ejemplo 8-6

Cambiemos la tercera restricción de desigualdad en el ejemplo de la Wyndor Glas c.o, por una igualdad. Maximizar Z = + + = 8, 0 8-7 x 0 9 8 7 6 0 (,6) Región factible =6 (,) + =8 x 6 7 8 9 0 = 8-8 La forma aumentada de este problema es: (0) Z - - =0 () () () + X = + = + = 8 Observe que no está completa la matriz identidad. Cual es la S.B.F inicial? Es necesario introducir variables artificiales ( pasos). 8-9 8-0 Variables artificiales. Facilitan hallar una S.B.F inicial. Deben cumplir requerimientos de no negatividad. Se deben introducir penalizaciones muy grandes en la función objetivo. Se convierten en V.B en la ecuación en que han sido introducidas. El proceso iterativo del simplex se deshace de ellas. Paso. Se introduce una variable artificial + + = 8 Es muy similar a introducir una variable de holgura 8-8-

Paso. Se asigna una penalización enorme en la función objetivo por el hecho de tener 0 Se modifica la función objetivo Este método se llama el método de la M grande, pues M representa un número muy grande Maximizar Z = + - M 8-8- La forma aumentada del problema artificial es: (0) Z - - +M =0 () () () + X = + = + + = 8 La S.B.F inicial en este problema sería entonces: =0, =0, X =, =, =8 8-8-6 Comparemos los problemas. Problema real Max Z = + + = 8, 0 Problema artificial Max Z = + - M + 8 Así + + = 8,, 0 x 0 9 8 7 6 0 Problema real Región factible (solo el segmento de recta) x 6 7 8 9 0 8-7 8-8

(0,6) Z=0-6M Problema artificial x 0 (,6) Z= 6 9 8 7 6 Región factible (,) Z= 7 0 6 7 8 9 x 0 (0,0) Z= 0-8M (,0) Z= - 6M 8-9 Nótese que ambos problemas son similares cuando = 0 8-0 Recordemos la forma aumentada del problema artificial Este sistema no se encuentra en la forma apropiada de la Eliminación Gaussiana. (0) Z - - +M =0 () + X = () + = () + + = 8 El renglón (0) debe modificarse antes de empezar a encontrar la solución óptima Ojo: En el renglón (0), los coeficientes de las variables artificiales deben ser cero 8-8- Z - - +M =0 - M ( + + = 8) Z - (M+) - (M+) = -8M Ya conocemos bien el procedimiento empleado por el método simplex. Este caso es igual y se procede de la misma manera. Este nuevo renglón (0) queda expresado solamente en términos de las V.N.B Veamos las tablas simplex 8-8-

Z Z 0 Z (0) -M - -M- 0 0 0-8M Z (0) 0 -M- M + 0 0-6M+ X () 0 0 0 0 () 0 0 0 0 () 0 0 0 0 () 0 0 0 8 () 0 0 0 0 () 0 0-0 6 8-8-6 Z Z Z (0) 0 0-9/ 0 M+/ 7 Z (0) 0 0 0 / M+ 6 () 0 0 0 0 () 0 0 0 -/ / () 0 0 0-6 () 0 0 -/ 0 / X () 0 0 0 / -/ () 0 0 0 / 0 8-7 8-8 Observe que la variable es una V.B en las primeras tablas simplex. Las primeras S.B.F para este problema artificial son no factibles para el problema real.lados derechos negativos. Si se tiene una igualdad con lado derecho negativo, simplemente se multiplica por (-) a + a +...+ a n X n = -bi -a - a -...- a n X n = bi Se puede usar también con las desigualdades a + a +...+ a n X n - b -a - a -...- a n X n b 8-9 8-0

.Restricciones de la forma. 0. + 0. =.7 Para ilustrar como se manejan este tipo de restricciones veamos un ejemplo. 0 0.6 + 0. 6 Minimizar Z = 0. + 0. 0. + 0..7 0. +0. = 6 0.6 + 0. 6, 0 Soluciones en los vértices Región factible 0. +0. = 6 0 0 8-8- Por ahora dejemos de lado el hecho que la función objetivo sea minimizar y concentrémonos en la tercera restricción. La forma aumentada del problema artificial es:. Restamos una variable de exceso o superávit en la restricción para convertirla en igualdad. 0.6 + 0. - = 6. A esta restricción se le adiciona una variable artificial, para hallar la S.B.F inicial. 0.6 + 0. - + = 6 Min Z = 0. +0. +M +M =0 0. + 0. + X =.7 0. +0. + = 6 0.6 + 0. - + = 6,, X,,,, 0 8-8- Observe que los coeficientes de las variables artificiales en la función objetivo son +M en lugar de -M, porque ahora se tiene que minimizar. Comparemos ahora el problema real con el problema artificial Restricciones sobre (, ) Problema real 0. + 0..7 0. + 0. = 6 0.6 + 0. 6 Problema artificial 0. + 0..7 0. + 0. 6 (=se cumple cuando =0) No se considera (excepto si =0), 0,, 0 8-8-6 6

La tercera restricción no se considera debido a que la diferencia - puede ser un número positivo o negativo, y entonces la recta 0.6 + 0. = 6 puede desplazarse libremente hacia la derecha o izquierda. 0 0.X + 0. =.7 Región factible Veamos como se amplía la región factible para el problema artificial. 8-7 0. +0. = 6 0 0 8-8.Minimización. Min Z=S C j X j j= es equivalente a Max -Z=S (-C j X j ) n n j= Otra forma para enfrentar el problema de minimización es cambiar en el método simplex los criterios de vector que entra y optimalidad. 8-9 8-0 Transformando la función objetivo La forma aumentada del problema artificial a resolver es: Min Z = 0. +0. +M +M =0 Max - Z = -0. - 0. -M - M =0 (0) - Z + 0. +0. +M +M = 0 () 0. + 0. + X =.7 () 0. +0. + = 6 () 0.6 + 0. - + = 6,, X,,,, 0 8-8- 7

El problema se debe colocar en la forma estándar de la Eliminación Gaussiana. - Z + 0. +0. +M +M = 0 - M( 0. +0. + = 6) - M (0.6 + 0. - + = 6) - Z + (0. -.M) + (0. -0.9M) +M =M Veamos las tablas simplex 8- Z 0 Z (0)- -.M+0. -0.9M+0. 0 0 M 0 -M X () 0 0. 0. 0 0 0.7 () 0 0. 0. 0 0 0 6 () 0 0.6 0. 0 0-6 8- Z Z -6 M+ M - 0 Z (0)- 0 0 M 0 -.M-.6 0 - M + 7 - M + 8 M - 0 Z (0)- 0 0 0-0.M-.7 6 6 () 0 / 0/ 0 0 0 9 () 0 0 0/ 0 / -/ 8 () 0 0 / / 0 0. () 0 0 0 / / -/ 0. () 0 0 0. - 0-0.6 () 0 0-0 0-8- 8-6 Z 0 Z (0)- 0 0 0. M-. 0 M -. Variables que pueden ser negativas. Algunas veces, las variables de decisión pueden tomar valores negativos () 0 0-0 0 7. () 0 0 0 0.6-0. () 0 0-0 0. El algoritmo simplex exige hallar un problema equivalente que sólo contenga variables no negativas, debido al procedimiento para hallar la variable básica que sale. 8-7 8-8 8

.Variables con cota. Considere cualquier variable de decisión que puede tener valores negativos, pero nada más aquellos que satisfacen una restricción de la forma Xj Lj donde Lj es una constante. Se define entonces: Xj =Xj - Lj donde Xj 0 Para ver esto, suponga que representa el aumento en la tasa de producción del producto (puertas). Actualmente la tasa de producción es de 0 unidades. -0 Esta variable se reemplaza por = - (-0) donde 0 8-9 8-0 Comparemos los problemas. Problema original Max Z = + + 8-0, 0 Problema equivalente Max Z = ( -0) + - 0 ( - 0) + 8 0, 0.Variables no restringidas en signo (n.r.s). En este caso se debe cambiar la variable n.r.s, por la diferencia de variables no negativas. Xj n.r.s Xj = Xj + - Xj - 8-8- Comparemos los problemas. Problema original Max Z = + + 8 n.r.s, 0 Problema equivalente Max Z = (+ -X - ) + + - - (+ - - ) + 8 +, - 0, 0 8-9