x 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

Documentos relacionados
Programación Lineal. El método simplex

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

RESOLUCIÓN INTERACTIVA DEL SIMPLEX

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

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.

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

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

Universidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I

Tema 3. El metodo del Simplex.

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

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

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

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

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

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

MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO

Método Simplex: Encontrado una SBF

UNIDAD 6.- PROGRAMACIÓN LINEAL

Introducción a la programación lineal

RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA

Programación Lineal. El modelo Matemático


PROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL.

1. RESOLVER el siguiente problema de programación lineal. max z =15x x 2 suj.a : 2x 1 + x x 1 + x x 1 500

Programación Lineal Continua

Problemas de Programación Lineal: Método Simplex

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4

Programación NO Lineal (PNL) Optimización sin restricciones

Facultad de Farmacia. Grado en Nutrición Humana y Dietética. Depto. de Estadística e Investigación Operativa ESTADÍSTICA

Clase 9 Programación No Lineal

Pasos en el Método Simplex

Capítulo 4 Método Algebraico

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

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

Formulación del problema de la ruta más corta en programación lineal

3. Estudia si la solución ( 1, 1, 1) es factible y, si lo es, si es interior o de frontera.

Tema II: Programación Lineal

PROBLEMA 1. Considere el siguiente problema de programación lineal:

Tema 5: Análisis de Sensibilidad y Paramétrico

Introducción a Programación Lineal

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

Algebra lineal y conjuntos convexos

3.1 ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN

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

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

PASO 1: Poner el problema en forma estandar.

MÉTODO DEL DUAL (TEORIA DE DUALIDAD)

EJERCICIO DE MAXIMIZACION

2.2 PROGRAMACION LINEAL: METODOS DE SOLUCION

TEMA 2: PROGRAMACIÓN LINEAL.

Universidad Autónoma de Sinaloa

PROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX

EL PROBLEMA GENERAL DE OPTIMIZACION

Jesús Getán y Eva Boj. Marzo de 2014

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

Universidad del Rosario Economía Matemática II Taller 8 - Kuhn Tucker

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

Práctica 2: Análisis de sensibilidad e Interpretación Gráfica

INVESTIGACIÓN OPERATIVA

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

PLE: Ramificación y Acotamiento

Resolución. Resolución gráfica de problemas de optimización

Investigación de Operaciones Método Simplex

Unidad I: Programación Lineal

Conjuntos y funciones convexas

5.- Problemas de programación no lineal.

EL PROBLEMA DE TRANSPORTE

POST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES.

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN

PROGRAMACIÓN LINEAL MÉTODO GRÁFICO

PROGRAMACIÓN NO LINEAL INTRODUCCIÓN

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

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

Introducción a la Programación Lineal. Juan Pablo Cobá Juárez Pegueros Investigación de Operaciones Ingeniería Mecánica Facultad de Ingeniería 2015

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

Integradora 3. Modelos de Programación Lineal

Ejercicios de Programación Entera

Programación Lineal Entera. Programación Entera

PROGRAMACIÓN LINEAL. Su empleo es frecuente en aplicaciones de la industria, la economía, la estrategia militar, etc.

Programación entera: Ejemplos, resolución gráfica, relajaciones lineales. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE

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

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

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

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

(2.a) INTRODUCCIÓN A LA FORMULACIÓN DE MODELOS LINEALES

UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO

UNIVERSIDAD NACIONAL DE INGENIERÍA UNI RUACS ESTELI

EJERCICIOS DEL METODO CPM

MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO

Universidad de Managua Curso de Programación Lineal

Programación Lineal (PL)

NOMBRE DE LA ASIGNATURA: MÉTODOS CUANTITATIVOS PARA ADMINISTRACIÓN. ESCUELA: DEPARTAMENTO: ADMINISTRACIÓN

Universidad de Managua Al más alto nivel

DUALIDAD EN PROGRAMACION LINEAL

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

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

Unidad 6. Gráficas Planares

Clase 10: Extremos condicionados y multiplicadores de Lagrange

Problemas de transporte, asignación y trasbordo

Transcripción:

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? Razona tu respuesta y propón una solución alternativa si la respuesta es afirmativa. Solución: Ver solución en Hoja problemas.xls. Dado el PL: Minimizar x + x + x s.a x x + x = x + x x x x, x, x Calcula la solución del problema aplicando el algoritmo del Simplex y determina todos los vértices adyacentes al vértice solución. Existe más de una solución óptima? Razona tu respuesta e indica todas las soluciones que puedas. Solución: Ver solución en Hoja problemas.xls. Considera el problema de programación lineal: Maximizar x + x s.a x + x 4 x + x 4 x + x x, x Calcula la solución del problema aplicando el algoritmo del Simplex. El problema es acotado? En caso afirmativo, encuentra la solución óptima. En caso negativo, dado un valor V suficientemente grande para la función objetivo, debería existir una solución factible con ese valor. Da una expresión (en función de V de dicha solución. Utiliza esa expresión para encontrar una solución factible con valor 5. Solución: Ver todas las iteraciones del algoritmo del simplex en Hoja problemas.xls El problema es no acotado. Todos los puntos x + = + λ para λ son factibles, y ( 7 T define una dirección de ascenso (de ilimitación. Si nos fijamos sólo en las variables originales x, x, tenemos ( ( P(λ = + λ 7.

El valor de P(λ según la función objetivo del problema original es 9 + λ; este rayo nos proporciona soluciones con cualquier valor 9. Así, para V 9 cualquiera, como 9 + λ = V λ = V 9, el punto será un punto factible con valor V. La solución ( tiene valor 5. ( + V 9 ( + 4 ( = ( 45 4 C C Dirección de ascenso C 4. Dado el siguiente PL: Minimizar x x + x s.a x + x x 9 x x + x 6 x, x calcula un vértice factible inicial empleando el método de las dos fases. A partir de ese punto, aplica el algoritmo del Simplex para resolver el problema. Solución: Ver solución en Hoja problemas.xls 5. Dado el siguiente PL: Maximizar x + x s.a x + x 5 x + x = 7 5x x 4 x, x determinar si el problema es factible. Indicar un vértice factible si lo es. Solución: Ver solución en Hoja problemas.xls

6. Resuelve el problema: Max 5x + 4x s.a x x 6 x + x 4 5x + x 5 x, x Solución: Ver solución en Hoja problemas.xls 7. Las tablas que aparecen a continuación corresponden a tablas de alguna iteración del algoritmo del simplex aplicado a los siguientes problemas: (a max x + x s.a. 6x + 4x 4 x + x x, x (b min x 5x s.a. x + x 5 x + x 4 x, x (c max x + x + x + x 4 s.a. x + x + x + x 4 5 x + x + x 4 8 x + x + x 45,4x +,6x + +,6x,4x 4 x, x, x, x 4 (d max x + x s.a. x x x 4 x, x (e min x x x s.a. x + 5x + x 6x + 8x x no restringida x, x Teniendo en cuenta que la columna de Ratio no se ha rellenado en ninguno de los casos, para cada uno de ellos razonar a cuál de las siguientes situaciones corresponde, y completar correctamente la columna de Ratio cuando sea necesario: El problema no tiene solución factible. Por qué? El problema tiene solución óptima única. Cuál? El problema tiene soluciones óptimas alternativas. Cómo se obtienen? El problema tiene solución no acotada. Por qué? Se puede mejorar el objetivo. Qué par de variables determinan el cambio de base? Nota: TODAS las tablas están hechas para los problemas en forma estándar, incluido el cambio de maximización a minimización. Por ejemplo, la tabla del apartado (a corresponde al problema: Solución: (a min x x s.a. 6x + 4x + s = 4 x + x + s = x, x, s, s (a VB c B x x s s x B Ratio x -,4545,77,77,88 x -,66,88,88,88 z j c j,5 -

máx{z j c j / z j c j } =, luego la tabla actual es óptima. Como hay una variable no básica, s con coste reducido, puede que haya un óptimo alternativo. Se obtendría haciendo el cambio de base determinado por: s entra en la base, x sale de la base. Para ello debemos hacer una iteración más. (b VB c B x x s s x B Ratio 5 x -5 s z j c j 5 5 máx{z j c j / z j c j } =, luego la tabla actual es óptima. Además, como todas las variables no básicas tienen coste reducido estrictamente negativo, se trata de una solución óptima única: ( 5 con valor óptimo z = 5. (c VB c B x x x x 4 s s s s 4 x B Ratio 5,5 x 4 -,65,75,65,5 5,5,65 = 8,875 x -,475,75,565,5,875,475 =,7,75 x -,875,5,875,5,75,875 = 55,,75 s 4,6875,75,5,5,75,6875 = 45,64 z j c j,65,65,65,5 44,875 máx{z j c j / z j c j } =,65 >, entonces el objetivo se puede mejorar. La variable que entra en la base es x, y la variable que sale de la base es x, donde se alcanza el mínimo ratio. (d VB c B x x s s x B Ratio x - x - - z j c j -5 máx{z j c j / z j c j } = 5 >, entonces el objetivo se puede mejorar. La variable que entraría en la base es s, pero en este caso no hay nada que nos frene su crecimiento. Por tanto, la solución del problema es NO Acotada. El valor de la función objetivo puede crecer indefinidamente a lo largo del rayo que parte del punto ( en la dirección ( (e VB c B x + x x x s s x B Ratio x,, 4,667 x + - -,, 667, 667 z j c j 4, -,667 5, 667 máx{z j c j / z j c j } =, luego la tabla actual es óptima. Como hay una variable no básica, x con coste reducido, puede que haya un óptimo alternativo. Para obtenerlo debemos hacer que x entre en la

base. Al ir a hacer el cambio de base nos damos cuenta de que no hay nada que nos frene el crecimiento de x. Lo que tenemos es un rayo óptimo. Todos los puntos en el rayo que parte del punto en la dirección x + x x = x, 667 4, 667 son óptimos. Aunque si tenemos en cuenta que x = x + x, vemos que todos los puntos de ese rayo son realmente el mismo x, 667 x = + λ x 4, 667