Академический Документы
Профессиональный Документы
Культура Документы
30 de enero de 2011
Introducci on
Introducci on
En esta lectura daremos una introducci on al m etodo Simplex desarrollado por George Bernard Dantzig (8 de noviembre de 1914 13 de mayo de 2005) en 1947. Este m etodo se basa en la conversi on del problema con restricciones con desigualdades en un problema cuyas restricciones son ecuaciones lineales.
()
30 de enero de 2011
2 / 61
()
30 de enero de 2011
3 / 61
()
30 de enero de 2011
3 / 61
()
30 de enero de 2011
4 / 61
()
30 de enero de 2011
4 / 61
()
30 de enero de 2011
4 / 61
Para cada variable xi que tiene restricci on de signo del tipo 0, se cambian todas las apariciones de xi en el modelo por la expresi on xi donde xi es una nueva variable con restricci on de signo xi 0.
()
30 de enero de 2011
5 / 61
Para cada variable xi que tiene restricci on de signo del tipo 0, se cambian todas las apariciones de xi en el modelo por la expresi on xi donde xi es una nueva variable con restricci on de signo xi 0. Para cada variable xi que no tiene restricci on de signo se cambian todas las apariciones de ella en el modelo por la expresi on xi xi donde xi y xi son dos nuevas variables con restricci on de signo xi 0 y xi 0.
()
30 de enero de 2011
5 / 61
()
30 de enero de 2011
6 / 61
= = =
100 80 40
Ejemplo Convierta a la forma est andar: Max z = 50 x1 + 20 x2 + 30 x3 sujeto a 400 x1 3 x1 2 x1 2 x1 + 200 x2 + 2 x2 + 2 x2 + 4 x2 + + + 150 x3 4 x3 x3 500 6 10 = 8
x1 , x2 , x3 , x4 0
()
30 de enero de 2011
7 / 61
Usando las reglas descritas previamente se introducen las nuevas variables e1 , s1 y e2 para las restricciones 1, 2 y 3 respectivamente. El nuevo modelo PL queda: Max z = 50 x1 + 20 x2 + 30 x3 sujeto a 400 x1 3 x1 2 x1 2 x1 + 200 x2 + 150 x3 e1 + 2 x2 + s1 + 2 x2 + 4 x3 e2 + 4 x2 + x3 x1 , x2 , x3 , e1 , e2 , s1 0 = = = = 500 6 10 8
()
30 de enero de 2011
8 / 61
Soluci on b asica
Soluci on b asica
Una soluci on b asica (SB) a un sistema de ecuaciones A x = b m n (n m) es una soluci on al sistema que se obtiene haciendo cero n m variables y que resulta en un sistema con soluci on u nica. A una variable de decisi on que deliberadamente se hace cero se le llama variables no b asica (VNB) y mientras que a aqu ella que se conserva dentro del nuevo sistema se le llama variable b asica (VB).
()
30 de enero de 2011
9 / 61
Soluci on b asica
()
30 de enero de 2011
10 / 61
Soluci on b asica
En este caso: m = 2 =n umero de ecuaciones y n = 3 =n umero de inc ognitas. Por tanto, las soluciones b asicas se obtienen haciendo cero n m = 3 2 = 1 variable. Siendo n = 3 el n umero de variables, tenemos: n nm = 3 1 = 3! 123 = = 3 posibles SB 1! (3 1)! 112
()
30 de enero de 2011
10 / 61
Soluci on b asica
()
30 de enero de 2011
11 / 61
Soluci on b asica
()
30 de enero de 2011
11 / 61
Soluci on b asica
Soluci on b asica
()
30 de enero de 2011
12 / 61
Soluci on b asica
()
30 de enero de 2011
12 / 61
Soluci on b asica
En este ejemplo hay 3!/(1! (3 1)!) = 3 posibles soluciones b asicas. VNBs = {x1 }. Haciendo x1 = 0 el sistema original queda: + + 2 x2 4 x2 + x3 + x3 = = 1 3
()
30 de enero de 2011
12 / 61
Soluci on b asica
En este ejemplo hay 3!/(1! (3 1)!) = 3 posibles soluciones b asicas. VNBs = {x1 }. Haciendo x1 = 0 el sistema original queda: + + 2 x2 4 x2 + x3 + x3 = = 1 3
Soluci on b asica
este sistema es inconsistente. Por tanto, no hay soluci on b asica correspondiente a VNBs = {x3 }.
()
30 de enero de 2011
13 / 61
Una soluci on b asica factible (SBF) a un sistema de ecuaciones A x = b m n (n m) es una soluci on b asica con valores no negativos para las variables de decisi on.
()
30 de enero de 2011
14 / 61
Ejemplo Determina las soluciones b asicas factibles del sistema est andar correspondiente a la regi on que denen las restricciones x1 2 x1 y x1 , x2 0. + x2 + x2 40 60
()
30 de enero de 2011
15 / 61
Ejemplo Determina las soluciones b asicas factibles del sistema est andar correspondiente a la regi on que denen las restricciones x1 2 x1 y x1 , x2 0. La forma est andar es: x1 2 x1 + + x2 x2 + s1 + s2 = = 40 60 + x2 + x2 40 60
y cumpliendo x1 , x2 , s1 , s2 0.
()
30 de enero de 2011
15 / 61
En este caso desaparecemos 4 2 variables para obtener las SB: VNBs = {x1 , x2 } VB = {s1 = 40, s2 = 60} A(0,0) VNBs = {x1 , s1 } VB = {x2 = 40, s2 = 20} B(0,40) VNBs = {x1 , s2 } VB = {x2 = 60, s1 = 20} C(0,60), no es soluci on b asica factible VNBs = {x2 , s1 } VB = {x1 = 40, s2 = 20} D(40,0), no es soluci on b asica factible VNBs = {x2 , s2 } VB = {x1 = 30, s1 = 10} E(30,0) VNBs = {s1 , s2 } VB = {x1 = 20, x2 = 20} F(20,20)
()
30 de enero de 2011
16 / 61
En este caso desaparecemos 4 2 variables para obtener las SB: VNBs = {x1 , x2 } VB = {s1 = 40, s2 = 60} A(0,0) VNBs = {x1 , s1 } VB = {x2 = 40, s2 = 20} B(0,40) VNBs = {x1 , s2 } VB = {x2 = 60, s1 = 20} C(0,60), no es soluci on b asica factible VNBs = {x2 , s1 } VB = {x1 = 40, s2 = 20} D(40,0), no es soluci on b asica factible VNBs = {x2 , s2 } VB = {x1 = 30, s1 = 10} E(30,0) VNBs = {s1 , s2 } VB = {x1 = 20, x2 = 20} F(20,20)
C (0, 60)
B (0, 40)
F (20, 20)
Direcci on de No Acotamiento
Direcci on de No Acotamiento
Considere un modelo PL en su forma est andar con regi on factible S y con restricciones A x = b y x 0. Un vector no cero d es una direcci on de no acotamiento si para para cualquier x S y para cualquier escalar c 0 se cumple que x + c d est a en S . Se demuestra: Teorema d es una direcci on de no acotamiento si y s olo si d cumple que A d = 0 y d 0.
()
30 de enero de 2011
17 / 61
Direcci on de No Acotamiento
()
30 de enero de 2011
18 / 61
Direcci on de No Acotamiento
Ejemplo Determine las SBF y direcciones de no acotamiento para la regi on 2 x1 + 3 x2 6 cumpliendo x1 , x2 0. La forma est andar queda 2 x1 + 3 x2 e 1 = 6 con x1 , x2 , e1 0.
()
30 de enero de 2011
18 / 61
Direcci on de No Acotamiento
VNBs = {x1 , x2 } VB = {e1 = 6} A(0,0) NF VNBs = {x1 , e1 } VB = {x2 = 2} B(0,2) SBF VNBs = {x2 , e1 } VB = {x1 = 3} C(3,0) SBF
()
30 de enero de 2011
19 / 61
Direcci on de No Acotamiento
VNBs = {x1 , x2 } VB = {e1 = 6} A(0,0) NF VNBs = {x1 , e1 } VB = {x2 = 2} B(0,2) SBF VNBs = {x2 , e1 } VB = {x1 = 3} C(3,0) SBF Encontramos la soluci on general para 2 x1 + 3 x2 e1 = 0 despejando e1 : e= 2 x1 + 3 x2 es decir, que la direcci on de no acotamiento es: x1 x1 x2 d = x2 = e1 2 x1 + 3 x2 le podemos dar valores a x1 , x2 para generar direcciones de no acotamiento. Por ejemplo, x1 = 1 y x2 = 0 dando la direcci on d =< 1, 0, 2 > cuya proyecci on en el espacio con x1 y x2 es el eje x . Tambi en podemos elegir x2 = 1 y x1 = 0 dando la direcci on d =< 0, 1, 3 > cuya proyecci on en el espacio con x1 y x2 es el eje y . Inclusive podemos tomar x1 = 1 y x2 = 1 dando la direcci on d =< 1, 1, 5 >.
()
30 de enero de 2011
19 / 61
Direcci on de No Acotamiento
B (0, 2)
A(0, 0)
C (3, 0)
()
30 de enero de 2011
20 / 61
Direcci on de No Acotamiento
()
30 de enero de 2011
21 / 61
Direcci on de No Acotamiento
Ejemplo Determine las SBF y direcciones de no acotamiento para la regi on 7 x1 2 x1 con x1 , x2 0. La forma est andar queda 7 x1 2 x1 con x1 , x2 , s1 , s2 0. + 2 x2 + 12 x2 s1 s2 = 28 = 24 + 2 x2 + 12 x2 28 24
()
30 de enero de 2011
21 / 61
Direcci on de No Acotamiento
VNBs = {x1 , x2 } VB = {s1 = 24, s2 = 28} A(0,0) NF VNBs = {x1 , s1 } VB = {x2 = 14, s2 = 144} B(0,14) VNBs = {x1 , s2 } VB = {x2 = 2, s1 = 24} C(0,2) NF VNBs = {x2 , s1 } VB = {x1 = 4, s2 = 16} D(4,0) NF VNBs = {x2 , s2 } VB = {x1 = 12, s1 = 56} E(12,0) VNBs = {s1 , s2 } VB = {x1 = 18/5, x2 = 7/5} F(18/5,7/5)
()
30 de enero de 2011
22 / 61
Direcci on de No Acotamiento
VNBs = {x1 , x2 } VB = {s1 = 24, s2 = 28} A(0,0) NF VNBs = {x1 , s1 } VB = {x2 = 14, s2 = 144} B(0,14) VNBs = {x1 , s2 } VB = {x2 = 2, s1 = 24} C(0,2) NF VNBs = {x2 , s1 } VB = {x1 = 4, s2 = 16} D(4,0) NF VNBs = {x2 , s2 } VB = {x1 = 12, s1 = 56} E(12,0) VNBs = {s1 , s2 } VB = {x1 = 18/5, x2 = 7/5} F(18/5,7/5)
B (0, 14)
Figura: No acotamiento
Introducci on al M etodo Simplex () Optimizaci on y Programaci on Lineal 30 de enero de 2011 22 / 61
Direcci on de No Acotamiento
Resolviendo A x = 0 obtenemos: x1 x1 x2 x2 = s 1 7 x1 + 2 x2 s2 2 x1 + 12 x2
()
30 de enero de 2011
23 / 61
Direcci on de No Acotamiento
()
30 de enero de 2011
24 / 61
Direcci on de No Acotamiento
con x1 , x2 0. Ejemplo Determine las SBF y direcciones de no acotamiento para la regi on x1 x1 con x1 , x2 0. + x2 + x2 1 1 1
()
30 de enero de 2011
24 / 61
Un punto clave que relaciona la parte geom etrica con la parte algebraica es el siguiente resultado te orico: Teorema La regi on factible a un modelo lineal corresponde a un conjunto convexo, y a cada extremo de la regi on le corresponde una SBF de su forma est andar y a cada SBF le corresponde un extremo de la regi on factible.
()
30 de enero de 2011
25 / 61
El siguiente resultado dice que todos los puntos de la regi on factible pueden obtenerse mediante conbinaciones lineales convexas de los extremos. Inclusive, cuando la regi on factible es no acotada todos los puntos de la regi on factible se obtienen trasladando las combinaciones convexas por direcciones de no acotamiento. Teorema Considere un modelo PL en la forma est andar que tiene como soluciones b asicas factibles a b1 , b1 , . . . , bk . Cualquier punto en la regi on factible puede ser escrito en la forma:
k
x=d+
i =1
i bi
i = 1
i =1
y i 0.
Introducci on al M etodo Simplex () Optimizaci on y Programaci on Lineal 30 de enero de 2011 26 / 61
()
30 de enero de 2011
27 / 61
xo = d +
i =1
i bi
donde bk son las SBF al PL, d es el vector cero o es el vector de direcci on de no k acotamiento y i =1 i = 1 y i 0. Suponga que la funci on objetivo es f (x) = c x. Existen tres casos posibles para c d:
()
30 de enero de 2011
27 / 61
xo = d +
i =1
i bi
donde bk son las SBF al PL, d es el vector cero o es el vector de direcci on de no k acotamiento y i =1 i = 1 y i 0. Suponga que la funci on objetivo es f (x) = c x. Existen tres casos posibles para c d: c d > 0: Como para cualquier k > 0, yk = k d + soluci on factible, entonces
k k i =1
i bi es una
c yk = k (c d) +
i =1
i c bi
podr a hacerse crecer indenidamente. Contradiciendo el hecho de que en xo () Optimizaci on y Programaci on Lineal 30 de enero de 2011 27 / 61 alcanz o un optimo.
c d < 0: Como y = 0 d +
k
k i =1
cy =
i =1
i c bi > c d +
i =1
i c bi = c xo
()
30 de enero de 2011
28 / 61
c d < 0: Como y = 0 d +
k
k i =1
cy =
i =1
i c bi > c d +
i =1
i c bi = c xo
c xo = c d +
i =1
i c b i =
i =1
i c bi
Si suponemos que bj es la SBF con mayor evaluaci on en la funci on objetivo (c bi c bj para toda i = 1, 2, . . . , k ). Entonces
k k k
c xo =
i =1
i c bi
i =1
i c bj =
i =1
c bj = c bj
Como xo es optimo se deduce que c xo = c bj . Es decir, que la SBF bj es tambi en un optimo para el PL.
Introducci on al M etodo Simplex () Optimizaci on y Programaci on Lineal 30 de enero de 2011 28 / 61
SBF Adyacentes
SBF Adyacentes
Una denci on importante que relaciona la parte geom etrica con la parte algebraica. Para un modelo PL con m restricciones, dos soluciones b asicas factibles se dicen ser soluciones b asicas factibles adyacentes si acaso tienen m 1 variables b asicas en com un.
()
30 de enero de 2011
29 / 61
SBF Adyacentes
Ejemplo Determine las SBFs y encuentre sus relaciones de adyacencia al siguiente PL: Maximice z = 4 x1 + 3 x2 sujeto a: x1 + x2 + s1 = 40 2 x1 + x2 + s2 = 60
y cumpliendo x1 , x2 , s1 , s2 0.
()
30 de enero de 2011
30 / 61
SBF Adyacentes
Este problema tiene como FBS: VNBs = {x1 , x2 } VB = {s1 = 40, s2 = 60} A(0,0) VNBs = {x1 , s1 } VB = {x2 = 40, s2 = 20} B(0,40) VNBs = {x2 , s2 } VB = {x1 = 30, s1 = 10} E(30,0) VNBs = {s1 , s2 } VB = {x1 = 20, x2 = 20} F(20,20) Son adyacentes: A(0,0) y B(0,40), A(0,0) y E(30,0), B(0,40) y F(20,20), y E(30,0) y F(20,20).
B (0, 40)
F (20, 20)
Algoritmo Simplex
Algoritmo Simplex
El algoritmo Simplex procede de la siguiente manera:
1 2 3
Convierta el modelo PL a su forma est andar. Obtenga una SBF a la forma est andar. Determine si la SBF es optima: Si hay una variable no b asica cuyo aumento hace que el valor actual de la funci on a maximizar suba, entonces la soluci on actual no es optima. Si la SBF no es optima, determine la variable no-b asica que deber a convertise en b asica (la de mayor impacto en la funci on objetivo) y cu al variable b asica deber a convertise en una no-b asica (la que impone una restricci on mayor a la variable de mayor impacto). Con la selecci on anterior y usando operaciones elementales de rengl on determine una SBF nueva adyacente a la anterior. Reinicie con el paso 3 y con la nueva SBF.
()
30 de enero de 2011
32 / 61
Ejemplo
Ejemplo
Ejemplo Muebles Dakota construye escritorios, mesas y sillas. La construcci on de cada tipo de mueble requiere madera, mano de obra en carpinter a y mano de obra en terminado. Recurso Madera(pies) Terminado (horas) Carpinter a (horas) Escritorio 8 4 2 Mesa 6 2 1.5 Silla 1 1.5 0.5
Actualmente se tiene disponibles 48 pies de madera, 20 horas de terminado y 8 horas de carpinter a. Un escritorio se vende en $60, una mesa en $30 y una silla en $20. La compa n a cree que la demanda por escritorios y sillas es il mitada, pero que a lo m as 5 mesas se pueden vender. Como los recursos est an disponibles, la compa nia s olo desea maximizar las ventas.
()
30 de enero de 2011
33 / 61
Ejemplo
El modelo PL se formula como: Variables de decisi on: x1 = N umero de escritorios a producirse x2 = N umero de mesas a producirse x3 = N umero de sillas a producirse Objetivo: Maximizar ventas z = 60 x1 + 30 x2 + 20 x3 Restricciones: Por madera disponible (pies): 8 x1 + 6 x2 + x3 48 Por horas de terminado disponibles: 4 x1 + 2 x2 + 1.5 x3 20 Por horas de carpinter a disponibles: 2 x1 + 1.5 x2 + 0.5 x3 8 Por demanda: x2 5 De signo: x1 , x2 , x3 0
()
30 de enero de 2011
34 / 61
Ejemplo
En la forma est andar con la funci on objetivo vista a su vez como ecuaci on queda:
z 60 x1 8 x1 4 x1 2 x1 + + + 30 x2 6 x2 2 x2 1.5 x2 x2 + + + 20 x3 x3 1.5 x3 0.5 x3 + s1 + s2 + s3 + s4 =0 = 48 = 20 =8 =5
()
30 de enero de 2011
35 / 61
Ejemplo
En la forma est andar con la funci on objetivo vista a su vez como ecuaci on queda:
z 60 x1 8 x1 4 x1 2 x1 + + + 30 x2 6 x2 2 x2 1.5 x2 x2 + + + 20 x3 x3 1.5 x3 0.5 x3 + s1 + s2 + s3 + s4 =0 = 48 = 20 =8 =5
Una soluci on b asica factible (en rojo las variables y en azul sus valores):
z 60 x1 8 x1 4 x1 2 x1 + + + 30 x2 6 x2 2 x2 1.5 x2 x2 + + + 20 x3 x3 1.5 x3 0.5 x3 + s1 + s2 + s3 + s4 =0 = 48 = 20 =8 =5
()
30 de enero de 2011
35 / 61
Ejemplo
Las variables b asicas son z , s1 , s2 , s3 y s4 . Mientras que las no b asicas son x1 , x2 y x3 . Observamos que si incrementamos cualquiera de las variables no b asicas el valor de z se incrementa. Esta observaci on se deduce de que los coecientes de x1 , x2 y x3 son negativos en la ecuaci on de la funci on objetivo. De esta observaci on determinamos que la SBF actual no es optima.
()
30 de enero de 2011
36 / 61
Ejemplo
Las variables b asicas son z , s1 , s2 , s3 y s4 . Mientras que las no b asicas son x1 , x2 y x3 . Observamos que si incrementamos cualquiera de las variables no b asicas el valor de z se incrementa. Esta observaci on se deduce de que los coecientes de x1 , x2 y x3 son negativos en la ecuaci on de la funci on objetivo. De esta observaci on determinamos que la SBF actual no es optima. Observamos que de estas variables, la que tiene el coecientes negativo m as grande es x1 . As el aumento de x1 tiene un mayor impacto en el crecimiento de z . Esta variable no b asica se llamar a variable entrante. As que tomaremos la decisi on de aumentar el valor de x1 , que ahora es cero pues es variable no b asica.
()
30 de enero de 2011
36 / 61
Ejemplo
Las variables b asicas son z , s1 , s2 , s3 y s4 . Mientras que las no b asicas son x1 , x2 y x3 . Observamos que si incrementamos cualquiera de las variables no b asicas el valor de z se incrementa. Esta observaci on se deduce de que los coecientes de x1 , x2 y x3 son negativos en la ecuaci on de la funci on objetivo. De esta observaci on determinamos que la SBF actual no es optima. Observamos que de estas variables, la que tiene el coecientes negativo m as grande es x1 . As el aumento de x1 tiene un mayor impacto en el crecimiento de z . Esta variable no b asica se llamar a variable entrante. As que tomaremos la decisi on de aumentar el valor de x1 , que ahora es cero pues es variable no b asica. Sin embargo, no podemos aumentar indiscriminadamente el valor de x1 . Debemos revisar las restricciones para ver si una de ellas le impone l mite al valor que puede tomar x1 . Este l mite lo vamos a obtener recordando que s olo debemos manejar soluciones b asicas factibles, es decir, soluciones donde no puede haber variables de decisi on con valor negativo.
()
30 de enero de 2011
36 / 61
Ejemplo
La variable no-b asica de mayor impacto ben eco sobre z es x1 (la variable entrante es la variable no-b asica de mayor coeciente negativo en el rengl on de z ):
z 60 x1 8 x1 4 x1 2 x1 + + + 30 x2 6 x2 2 x2 1.5 x2 x2 + + + 20 x3 x3 1.5 x3 0.5 x3 + s1 + s2 + s3 + s4 =0 = 48 = 20 =8 =5
()
30 de enero de 2011
37 / 61
Ejemplo
La variable no-b asica de mayor impacto ben eco sobre z es x1 (la variable entrante es la variable no-b asica de mayor coeciente negativo en el rengl on de z ):
z 60 x1 8 x1 4 x1 2 x1 + + + 30 x2 6 x2 2 x2 1.5 x2 x2 + + + 20 x3 x3 1.5 x3 0.5 x3 + s1 + s2 + s3 + s4 =0 = 48 = 20 =8 =5
Ahora busquemos por cu al variable b asica cambiar (por la que le permitir a un mayor crecimiento manteniendo la factibilidad).
()
30 de enero de 2011
37 / 61
Ejemplo
Debemos tener en mente que x1 es la u nica variable no b asica que hemos decidido aumentar su valor. Es decir, que las variables no b asicas x2 y x3 seguir an con valor cero. Con esto en mente las ecuaciones inferiores se convierten en las ecuaciones: 8 x1 4 x1 2 x1 + s1 + s2 + s3 s4 = 48 = 20 = 8 = 5
()
30 de enero de 2011
38 / 61
Ejemplo
Deducimos que la primera de estas ecuaciones impone a x1 un creciemto m aximo de x1 = 48/8 = 6 (mayor que esto har a que el valor de s1 se hace negativa); La segunda de estas relaciones impone a x1 un crecimiento m aximo de x1 = 20/4 = 5 (mayor que esto har a que el valor de s2 se haga negativa). La tercera de estas relaciones impone a x1 un crecimiento m aximo de x1 = 8/2 = 4 (mayor que esto har a que el valor de s3 se haga negativa). La u ltima de estas restricciones no se ve afectada por un cambio en el valor de x1 . Como debemos mantener los valores de las variables de decisi on no negativos, concluimos que el m aximo valor que puede tomar x1 es 4 (el menor valor de los antes mencionados). Y este valor ubica la variable b asica que se har a cero. Es decir, que pasar a a ser variable no b asica. Esta variable se llamar a variable saliente. Se dice que la variable saldr a de la base.
Introducci on al M etodo Simplex () Optimizaci on y Programaci on Lineal 30 de enero de 2011 39 / 61
Ejemplo
En t erminos algoritmicos, para determinar la variable b asica saliente: para cada una de las ecuaciones inferiores se determina la raz on entre los lados derechos de las ecuaciones dividida entre el coeciente de la variable entrante en cada ecuaci on. Y de estas razones se escoge la m as peque na. La ecuaci on correspondiente a tal raz on determina la variable b asica saliente. Si la variable entrante no aparece en la ecuaci on (cero como coeciente) diremos que tal ecuaci on no limita el crecimiento de la variable entrante. Si la variable entrante tiene coeciente negativo en una ecuaci on, cuando se hace el despeje de la variable b asica correspondiente lo que se obtiene es una f ormula que no limita el crecimiento de la variable entrante pues la variable b asica correspondiente aumentar a de valor; siendo no negativa, ser a siendo no negativa. Por tanto, para motivos de determinar el valor m aximo al que se puede incrementa la variable entrante, se determinar a la menor raz on entre los lados derechos y los coecientes positivos. Como los lados derechos de las ecuaciones inferiores contienen los valores de las variables b asicas estos ninguno de estos ser a negativo. la variable saliente es la variable b asica en cuyo rengl on la variable entrante tiene coeciente positivo y la raz on: Lado derecho del rengl on Coeciente de la variable entrante en el rengl on es el m as peque no.
Introducci on al M etodo Simplex () Optimizaci on y Programaci on Lineal 30 de enero de 2011 40 / 61
Ejemplo
Al aplicar la regla, identicamos que s3 es la variable saliente debido a que es la que m as limita el creciemiento de x1 :
z 60 x1 8 x1 4 x1 2 x1 + + + 30 x2 6 x2 2 x2 1.5 x2 x2 + + + 20 x3 x3 1.5 x3 0.5 x3 + s1 + s2 + s3 + s4 =0 = 48 = 20 =8 =5 6 5 4
()
30 de enero de 2011
41 / 61
Ejemplo
Al aplicar la regla, identicamos que s3 es la variable saliente debido a que es la que m as limita el creciemiento de x1 :
z 60 x1 8 x1 4 x1 2 x1 + + + 30 x2 6 x2 2 x2 1.5 x2 x2 + + + 20 x3 x3 1.5 x3 0.5 x3 + s1 + s2 + s3 + s4 =0 = 48 = 20 =8 =5 6 5 4
En el rengl on de la variable saliente, la variable entrante debe tener coeciente 1: La operaci on que debe hacerse es dividir el rengl on entre el coeciente de la variable entrante en el, en este caso 2, obteni endose:
z 60 x1 8 x1 4 x1 x1 + + + 30 x2 6 x2 2 x2 0.75 x2 x2 + + + 20 x3 x3 1.5 x3 0.25 x3 + s1 + s2 + 0.5 s3 + s4 =0 = 48 = 20 =4 =5
()
30 de enero de 2011
41 / 61
Ejemplo
Se realizan operaciones de eliminaci on pivoteando con el rengl on de la variable saliente y utilizando la variable entrante: E0 E0 + 60 E3 , E1 E1 8 E3 , E2 E1 4 E3 obteniendo:
z + + 15 x2 x2 0.75 x2 x2 + + 5 x3 x3 0.5 x3 0.25 x3 + s1 + s2 + + 30 s3 4 s3 2 s3 0.5 s3 + s4 = = = = = 240 16 4 4 5
x1
()
30 de enero de 2011
42 / 61
Ejemplo
La variable no-b asica de mayor impacto ben eco sobre z es x3 (la variable entrante es la variable no-b asica de mayor coeciente negativo en el rengl on de z ) y buscamos la variable b asica saliente:
z + x1 + 15 x2 x2 0.75 x2 x2 + + 5 x3 x3 0.5 x3 0.25 x3 + s1 + s2 + + 30 s3 4 s3 2 s3 0.5 s3 + s4 = 240 = 16 =4 =4 =5 NR 8 16 NR
()
30 de enero de 2011
43 / 61
Ejemplo
En el rengl on de la variable saliente la variable entrante debe tener coeciente 1: La operaci on que debe hacerse es dividir el rengl on entre el coeciente de la variable entrante en el:
z + + 15 x2 2 x2 0.75 x2 x2 + + 5 x3 x3 x3 0.25 x3 + s1 + 2 s2 + + 30 s3 4 s3 4 s3 0.5 s3 + s4 = = = = = 240 16 8 4 5
x1
()
30 de enero de 2011
44 / 61
Ejemplo
Se realizan operaciones de eliminaci on pivoteando con el rengl on de la variable saliente y utilizando la variable entrante: E0 E0 + 5 E2 , E1 E1 + E2 , E3 E1 0.25 E2 obteniendo:
z + + 5 x2 2 x2 2 x2 1.25 x2 x2 + + + + x3 s1 + 10 s2 2 s2 2 s2 0.5 s2 + + 10 s3 8 s3 4 s3 1.5 s3 + s4 = = = = = 280 24 8 2 5
x1
()
30 de enero de 2011
45 / 61
Ejemplo
Ejemplo
Ejemplo Resuelve el siguiente modelo PL: Maximice z = x1 + x2 sujeto a 4 x1 x1 x1 con x1 , x2 0. La forma est andar es: Maximice z = x1 + x2 sujeto a 4 x1 x1 x1
Introducci on al M etodo Simplex ()
+ +
x2 x2
80 60 20
+ x2 + x2
+ s1 + s2 + s3
= 80 = 60 = 40
30 de enero de 2011 46 / 61
Ejemplo
()
30 de enero de 2011
47 / 61
Ejemplo
Al observar que la dentro de las variables no b asicas existen algunas con coecientes negativos concluimos que la SBF no es optima. Escogemos la que tiene coecientes negativo mayor o la primera de estas. Determinamos la variable no-b asica entrante y las razones para ella: z 1 0 0 0 x 1 x2 s 1 s 2 1 1 0 0 4 1 1 0 1 1 0 1 1 0 0 0 s3 0 0 0 1 rhs 0 80 60 40 VB z s 1 x1 s2 s3
()
30 de enero de 2011
47 / 61
Ejemplo
1 1 1 1
1 1/4 1 0
0 1/4 0 0
0 0 1 0
0 0 0 1
0 0 0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
20
20 40 20
()
30 de enero de 2011
48 / 61
Ejemplo
1 1 1 1
1 1/4 1 0
0 1/4 0 0
0 0 1 0
0 0 0 1
0 0 0
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
20
20 40 20
Quedando la tabla del Simplex de la siguiente forma: z x1 x2 s1 s2 s3 1 0 3/4 1/4 0 0 0 1 1 /4 1/4 0 0 0 0 3/4 1/4 1 0 0 0 1/4 1/4 0 1 rhs 20 20 40 20 VB z x1 s2 s3
()
30 de enero de 2011
48 / 61
Ejemplo
D (0, 80)
C (20/3, 160/3)
A(0, 0)
B (20, 0)
()
30 de enero de 2011
49 / 61
Ejemplo
Observamos que existen variables no b asicas con coeciente negativo y concluimos que la SBF actual no es optima. z x1 x2 s1 s2 s3 1 0 3/4 1/4 0 0 0 1 1 /4 1/4 0 0 0 0 3/4 1/4 1 0 0 0 1/4 1/4 0 1 rhs 20 20 40 20 VB z x1 s2 s3
()
30 de enero de 2011
50 / 61
Ejemplo
Observamos que existen variables no b asicas con coeciente negativo y concluimos que la SBF actual no es optima. z x1 x2 s1 s2 s3 1 0 3/4 1/4 0 0 0 1 1 /4 1/4 0 0 0 0 3/4 1/4 1 0 0 0 1/4 1/4 0 1 rhs 20 20 40 20 VB z x1 s2 s3
Determinamos que x2 es la variable no-b asica entrante las razones que limitan su crecimiento: z x1 x2 s1 s2 s3 1 0 3/4 1/4 0 0 0 1 1/4 1/4 0 0 0 0 3/4 1/4 1 0 0 0 1/4 1/4 0 1
Introducci on al M etodo Simplex ()
rhs 20 20 40 20
VB z x1 s2 x2 s3
Ejemplo
1 0 0 0
0 1 0 0
0 0 4/3 0
0 0 0 1
20 20
160/3 20
160/3 100/3
()
30 de enero de 2011
51 / 61
Ejemplo
1 0 0 0
0 1 0 0
0 0 4/3 0
0 0 0 1
20 20
160/3 20
160/3 100/3
El Tableau del Simplex queda de la siguiente forma: z 1 0 0 0 x1 0 1 0 0 x2 s1 s2 s3 0 0 1 0 0 1/3 1/3 0 1 1/3 4/3 0 0 1/3 1/3 1 rhs 60 20/3 160/3 100/3 VB z x1 x2 s3
()
30 de enero de 2011
51 / 61
Ejemplo
1 0 0 0
0 1 0 0
0 0 4/3 0
0 0 0 1
20 20
160/3 20
160/3 100/3
El Tableau del Simplex queda de la siguiente forma: z 1 0 0 0 x1 0 1 0 0 x2 s1 s2 s3 0 0 1 0 0 1/3 1/3 0 1 1/3 4/3 0 0 1/3 1/3 1 rhs 60 20/3 160/3 100/3 VB z x1 x2 s3
Ejemplo
D (0, 80)
C (20/3, 160/3)
A(0, 0)
B (20, 0)
()
30 de enero de 2011
52 / 61
Ejemplo
Ejemplo
Resuelve al siguiente PL: Max z = x x + 8y 3x + 4y 2x + y x x, y + 3y 40 25 10 4 0
()
30 de enero de 2011
53 / 61
Ejemplo
Ejemplo
Resuelve al siguiente PL: Max z = x x + 8y 3x + 4y 2x + y x x, y Max z = x + 3 y x + 8 y + s1 3x + 4y 2x + y x x , y , s1 , s2 , s3 , s4 0 + 3y 40 25 10 4 0
+ s2 + s3 + s4
= 40 = 25 = 10 = 4
()
30 de enero de 2011
53 / 61
Ejemplo
Siendo un problema de maximizaci on, al observar que hay variables no b asicas con coeciente negativo en el rengl on de la funci on objetivo, concluimos que la SBF actual no es optima: z 1 0 0 0 0 x 1 1 3 2 1 y 3 8 4 1 0 s1 0 1 0 0 0 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 0 0 0 0 1 rhs VB 0 z 40 s1 25 s2 10 s3 4 s4
()
30 de enero de 2011
54 / 61
Ejemplo
Siendo un problema de maximizaci on, al observar que hay variables no b asicas con coeciente negativo en el rengl on de la funci on objetivo, concluimos que la SBF actual no es optima: z 1 0 0 0 0 x 1 1 3 2 1 y 3 8 4 1 0 s1 0 1 0 0 0 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 0 0 0 0 1 rhs VB 0 z 40 s1 25 s2 10 s3 4 s4
y 3 8 4 1 0
s1 0 1 0 0 0
s2 0 0 1 0 0
s3 0 0 0 1 0
s4 0 0 0 0 1
rhs VB 0 z 40 s1 y 25 s2 10 s3 4 s4
5 6.25 10
30 de enero de 2011 54 / 61
Ejemplo
Al pivotear sobre y obtenemos la siguiente tabla del Simplex: z 1 0 0 0 0 x y 5/8 0 1/8 1 5/2 0 15/8 0 1 0 s1 3/8 1/8 1/2 1/8 0 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 0 0 0 0 1 rhs VB 15 z 5 y 5 s2 5 s3 4 s4
()
30 de enero de 2011
55 / 61
Ejemplo
Al pivotear sobre y obtenemos la siguiente tabla del Simplex: z 1 0 0 0 0 x y 5/8 0 1/8 1 5/2 0 15/8 0 1 0 s1 3/8 1/8 1/2 1/8 0 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 0 0 0 0 1 rhs VB 15 z 5 y 5 s2 5 s3 4 s4
Observamos que la SBF no es optima y que las razones para variable entrante x quedan de la siguiente forma: z 1 0 0 0 0 x y 5/8 0 1/8 1 5/2 0 15/8 0 1 0 s1 3/8 1/8 1/2 1/8 0 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 0 0 0 0 1 rhs VB 15 z 5 y 5 s2 x 5 s3 4 s4
40 2 2.666666667 4
()
30 de enero de 2011
55 / 61
Ejemplo
Al pivotear sobre x obtenemos la siguiente tabla Simplex: z 1 0 0 0 0 x 0 0 1 0 0 y 0 1 0 0 0 s1 1 /4 3/20 1/5 1 /4 1 /5 s2 s3 1/4 0 1/20 0 2/5 0 3/4 1 2/5 0 s4 0 0 0 0 1 rhs 65/4 19/4 2 5/4 2 VB z y x s3 s4
Siendo un problema de maximizaci on, al no haber variables no b asicas con coeciente negativo concluimos que la soluci on actual es optima. Valor optimo encontrado de la funci on z (x = 2, y = 19/4) = 65/4
()
30 de enero de 2011
56 / 61
Ejemplo
Ejemplo
Encuentre el optimo de: Max w = 14 x + 25 y + 19 z sujeto a x 2x x y x , y , z 0. + 5y + y + 2y + + + z z 2z z 3.0 2.0 2.0 0.8
()
30 de enero de 2011
57 / 61
Ejemplo
Ejemplo
Encuentre el optimo de: Max w = 14 x + 25 y + 19 z sujeto a x 2x x + 5y + y + 2y + + + z z 2z z 3.0 2.0 2.0 0.8
y x , y , z , s1 , s2 , s3 , s4 0.
()
30 de enero de 2011
57 / 61
Ejemplo
Esta soluci on corresponde a x = 0, y = 0, z = 0. Siendo un problema de maximizaci on, al haber coecientes negativos para las variables no b asicas en el rengl on de la funci on objetivo concluimos que la SBF actual no es optima.
()
30 de enero de 2011
58 / 61
Ejemplo
Esta soluci on corresponde a x = 0, y = 0, z = 0. Siendo un problema de maximizaci on, al haber coecientes negativos para las variables no b asicas en el rengl on de la funci on objetivo concluimos que la SBF actual no es optima. La variable entrante es y y sus razones quedan de la siguiente forma. w 1 0 0 0 0 x y z 15 25 19 1 5 1 2 1 1 1 2 2 0 0 1
()
s1 0 1 0 0 0
s2 0 0 1 0 0
s3 0 0 0 1 0
s4 0 0 0 0 1
rhs VB 0 w 3 s1 y 2 s2 2 s3 .8 s4
.6 2 1
58 / 61
30 de enero de 2011
Ejemplo
Pivoteando sobre y obtenemos la siguiente tabla Simplex: w 1 0 0 0 0 x y 10 0 1/5 1 9/5 0 3/5 0 0 0 z 14 1/5 4/5 8/5 1 s1 5 1/5 1/5 2/5 0 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 0 0 0 0 1 rhs 15 3/5 7/5 4/5 .8 VB w y s2 s3 s4
()
30 de enero de 2011
59 / 61
Ejemplo
Pivoteando sobre y obtenemos la siguiente tabla Simplex: w 1 0 0 0 0 x y 10 0 1/5 1 9/5 0 3/5 0 0 0 z 14 1/5 4/5 8/5 1 s1 5 1/5 1/5 2/5 0 s2 0 0 1 0 0 s3 0 0 0 1 0 s4 0 0 0 0 1 rhs 15 3/5 7/5 4/5 .8 VB w y s2 s3 s4
Esta soluci on corresponde a x = 0, y = 3/5, z = 0. Reconocemos que la soluci on no es optima. La variable entrante en este caso es z y sus razones quedan de la siguiente forma. w 1 0 0 0 0 x y 10 0 1/5 1 9/5 0 3/5 0 0 0
()
s2 0 0 1 0 0
s3 0 0 0 1 0
s4 0 0 0 0 1
VB w 7 s2 s3 z s4
3 1.75 .50 .8
59 / 61
30 de enero de 2011
Ejemplo
Pivoteando sobre z obtenemos la siguiente tabla Simplex. w 1 0 0 0 0 x y 19/4 0 1/8 1 3/2 0 3/8 0 3/8 0 z 0 0 0 1 0 s1 3/2 1/4 0 1/4 1/4 s2 0 0 1 0 0 s3 35/4 1/8 1/2 5/8 5/8 s4 0 0 0 0 1 rhs 22 1/2 1 1/2 .30 VB w y s2 z s4
()
30 de enero de 2011
60 / 61
Ejemplo
Pivoteando sobre z obtenemos la siguiente tabla Simplex. w 1 0 0 0 0 x y 19/4 0 1/8 1 3/2 0 3/8 0 3/8 0 z 0 0 0 1 0 s1 3/2 1/4 0 1/4 1/4 s2 0 0 1 0 0 s3 35/4 1/8 1/2 5/8 5/8 s4 0 0 0 0 1 rhs 22 1/2 1 1/2 .30 VB w y s2 z s4
Esta soluci on corresponde a x = 0, y = 1/2, z = 1/2. Esta SBF no es optima. La variable entrante es x y sus razones quedan como sigue. w 1 0 0 0 0 x y 19/4 0 1/8 1 3/2 0 3/8 0 3/8 0 z 0 0 0 1 0 s1 3/2 1/4 0 1/4 1/4 s2 0 0 1 0 0 s3 35/4 1/8 1/2 5/8 5/8 s4 0 0 0 0 1 rhs 22 1/2 1 1/2 .30 VB w y s2 x z s4
4 .66 1.33
()
30 de enero de 2011
60 / 61
Ejemplo
Pivoteando en x sobre el rengl on de s2 obtenemos el siguiente tableau. w 1 0 0 0 0 x 0 0 1 0 0 y 0 1 0 0 0 z 0 0 0 1 0 s1 3/2 1/4 0 1/4 1/4 s2 s3 s4 19/6 43/6 0 1/12 1/12 0 2/3 1/3 0 1/4 3/4 0 1/4 3/4 1 rhs 151/6 5/12 2/3 1/4 .55 VB w y x z s4
Observamos que aumentando los valores de las variables no b asicas, no es posible aumentar el valor de z . Por tanto, se alcaza el optimo en x = 2/3, y = 5/12 y z = 1/4 con valor w = 151/6.
()
30 de enero de 2011
61 / 61