Вы находитесь на странице: 1из 18

4/27/17 Julio C.

Salazar 1
Variables de holgura

La variable de holgura de esta restriccin se define
como
Entonces,

Dada esta ecuacin, x1 4 se cumple si y slo si 4 x1 = x3 0. En
consecuencia, la restriccin original x1 4 es por completo equivalente al
par de restricciones
y x3 0.
Al introducir variables de holgura en las otras restricciones funcionales,
el modelo de programacin lineal original de este ejemplo
Forma original del modelo Forma aumentada del

Maximizar modelo
Maximizar




y y
4/27/17
Julio C. Salazar 2
a) Forma algebraica b) Forma tabular
Coeficientes de:
Variab Lado
le Ec. Z x1 x2 x3 x4 x5
derech
(0) Z = 0 bsica
Z (0) 1 3 5 0 0 0 o
0
3x1 5x2
(1) x1 +x = 4 x3 (1) 0 1 0 1 0 0 4
(2) 2x2 3
+x = 12 x4 (2) 0 0 2 0 1 0 12
4
(3) 3x1 +2x2 +x = 18 x5 (3) 0 3 2 0 0 1 18
5

4/27/17 Julio C. Salazar 3


Ahora se escogen los
coeficientes positivos
Variable bsica entrante, es el de la variable
coeficiente ms negativo de la entrante x2 la
funcin Z, que en este caso es -5 . Luego se divide
columna lado derecho
dentro de los
Coeficientes de: coeficientes mayores
que cero de x2.
Variab Lado Cocie
le Ec. Z x1 x2 x3 x4 x5
derech nte
bsica
Z (0) 1 3 5 0 0 0 o
0
x3 (1) 0 1 0 1 0 0 4
Este es el x4 2
Mnim
(2) 0 0 0 1 0 12
Rengln o
pivote x5 (3) 0 3 2 0 0 1 18

Llamada variable
bsica que sale que Column Se escoge el
es la variable x4 a resultado ms
pivote pequeo de
esta divisin.

4/27/17 Julio C. Salazar 4


Observe el valor de los
coeficientes en
Coeficientes de: columna de la variable
Variab x4 .
Lado
iteraci le Ec. Z x1 x2 x3 x4 x5 derech
Estos
n bsica o
Z (0) 1 3 5 0 0 0 0 coeficientes
x3 (1) 0 1 0 1 0 4 deben ser
0
0 iguales para la
x4 (2) 0 0 2 0 1 0 12 variable
Para Ec . Para Ec.
x5 (3) 0 3 2 0 0 1 18 entrante
(0) x 2 .(2)
5*0+(- 0/2 = 0
0/2 2/ 0/ 1/ 0/ 12/ 3)=-3
5*1+(- 2/2 = 1
5)=0
x4 (2) 0 0 21 20 0.5
2 2 0 2 6 5*0 + 0 0/2 = 0
= 0 +0 =
5*0.5 1/2 =
2.5
5*0 + 0 0.5
0/2 = 0
Z (0) 1 3 0 0 0 30
= 0+0=
5*6 12/2 = 6
x3 (1) 0 1 0 1 0 0 4
30
Para Ec.
1 x2 (2) 0 0 1 0 0 6 (3)
3-
x5 (3) 0 3 0 0 -1 1 6 2-
2*0=3
0-
2*1=0
0-
2*0=0
1-
2*0.5=-1
4/27/17 Julio C. Salazar
18-2*6=6
2*0=1 5
Como en la ecuacin de Z sigue existiendo un numero negativo se vuelve
a realizar una segunda iteracin. Ahora se escogen los
Variable bsica entrante, es el coeficiente coeficientes positivos de la
variable
ms negativo de la funcin Z, que en este Luego se entrante
divide la x 1
columna
caso es -3. Coeficientes de:lado derecho dentro de los
Variab coeficientes
Lado de x1.
iteracin le Ec. Z x1 x2 x3 x4 x5 derech Cocient
bsica 0 o e
1 Z (0) 1 3 0 0 30
x3 (1) 0 1 0 1 0 0 4
Este es el
Rengln x2 (2) 0 0 1 0 0 6
pivote x5 0
(3) 3 0 0 -1 1 6 mnim
Llamada variable bsica o
Column Se escoge el resultado
que sale que es la
Ec x5 a ms pequeo de esta
variable Ec.
(3) pivote/3
Rengln pivote divisin.
(0)Rengln 0 +3*nuevo
3/ 0/3 0/3 -1/31/3 6/3 - rengln0+3*0
3 0+3*0 5/2+3*(- 0+3*1/3=1 30+3*2
3 3+3*1 =0 =0 1/3)=3/2 Ec. =36
Z (0) 1 0 0 0 1 36
=0 Reng. (1)
Ec. 1 new
x3 (1) 0 0 0 1 2 reng
2 1- ec 3 0-(-
x2 (2) 0 0 1 0 0 6 1=0 1/3)=1/3
0-0=0 0-1/3=-
4/27/17 x1 (3) 0 1 0
0 C. Salazar
Julio 2 1- 1/3
4- 6
ROMPIMIENTO DE EMPATES EN EL
MTODO SMPLEX
Es posible que haya observado que en las dos secciones anteriores no
se dijo qu hacer cuando las reglas de seleccin del mtodo smplex no
son suficientes para tomar una decisin clara, ya sea porque hay
empates (valores iguales) o por otras ambigedades parecidas. A
continuacin se estudiarn estos detalles.
Empate de la variable bsica entrante

El paso 1 de cada iteracin elige la variable no bsica que tiene el


coeficiente negativo con el mayor valor absoluto en la ecuacin (0)
actual como la variable bsica entrante. Ahora suponga que dos o ms
variables no bsicas tienen el coeficiente negativo ms grande (en valor
absoluto), es decir, que hay un empate. Por ejemplo, esto ocurrira en la
primera iteracin del problema de la Wyndor Glass Co. si se cambiara la
funcin objetivo a Z = 3x1 + 3x2, con lo que la ecuacin (0) inicial sera Z
3x1 3x2 = 0. Cmo debe romperse este empate?

4/27/17 Julio C. Salazar 7


La interpretacin de una tabla smplex como la que se muestra en la
tabla 4.9 sostiene que las restricciones no impiden el crecimiento
indefinido de la funcin objetivo Z, de manera que el mtodo smplex se
detiene con el mensaje de que Z es no acotada.
Debido a que ni siquiera la programacin lineal ha descubierto la
manera de lograr ganancias infinitas, el mensaje real en problemas
prcticos es que se ha cometido un error.
Tal vez el modelo est mal formulado, ya sea por haber omitido una
restriccin relevante o por haberla establecido de modo incorrecto. De
manera alternativa, pudo haber ocurrido un error en los clculos.

4/27/17 Julio C. Salazar 8


La respuesta es que se puede elegir entre estos dos competidores de
manera arbitraria. Tarde o temprano se llegar a la solucin ptima, sin
importar cul de las variables empatadas se haya escogido, y no existe
un mtodo incontrovertible para predecir cul conduce a la solucin
ptima con mayor rapidez. En este ejemplo, si se escoge x1 como
variable entrante, el mtodo smplex alcanza la solucin ptima (2, 6)
en tres iteraciones, mientras que si se elige x2 llega en dos.

4/27/17 Julio C. Salazar 9


Empate de la variable bsica que sale:
degeneracin
Ahora suponga que el empate ocurre entre dos o ms variables bsicas
cuando se elige la variable que sale en el paso 2 de una iteracin.
Importa cul se escoge? En teora, s, y en una forma crtica debido a
lo que puede ocurrir en la siguiente sucesin de eventos.
Primero, todas las variables empatadas se hacen cero al mismo tiempo
cuando aumenta el valor de la variable entrante. Por lo tanto, aquellas
que no se eligieron como variable bsica saliente tambin tendrn un
valor de cero en la nueva solucin BF. (Las variables bsicas con valor
de cero se llaman degeneradas, y el mismo nombre se da a la
solucin
Segundo,BF si correspondiente.)
una de estas variables bsicas degeneradas sigue con valor
de cero hasta que se selecciona como variable bsica que sale en una
iteracin posterior, la variable bsica entrante deber tambin quedar
con valor de cero (ya que no puede crecer sin que la variable bsica
que sale se vuelva negativa), por lo que el valor de Z no cambiar.

Tercero, si Z permanece igual en lugar de mejorar en cada iteracin, el


mtodo smplex puede caer en un ciclo que repite la misma secuencia
de soluciones en forma peridica, en lugar de aumentar en algn
momento para llegar a la solucin ptima.
4/27/17 Julio C. Salazar 10
En realidad, se han construido ejemplos artificiales que se quedan
atrapados en un ciclo perpetuo de este tipo. Por fortuna, aunque en
teora es posible que haya ciclos perpetuos, muy rara vez han ocurrido
en problemas reales. Si ocurriera un ciclo siempre se puede salir de l al
cambiar la eleccin de la variable bsica que sale.
An ms, se han construido reglas especiales para romper empates que
siempre evitan los ciclos. Sin embargo, con frecuencia estas reglas se
ignoran en las aplicaciones reales, y no se repetirn aqu.

Para propsitos prcticos se recomienda romper los empates de modo


arbitrario y seguir el proceso sin preocuparse de las variables
degeneradas que puedan resultar.

4/27/17 Julio C. Salazar 11


Cuando no hay variable bsica saliente:
Z no acotada
Existe otra posibilidad en el paso 2 de una iteracin, de la que no se ha
hablado: aquella en la que ninguna variable califica como variable
bsica saliente. Esta situacin puede ocurrir si la variable bsica
entrante puede crecer de manera indefinida sin que ninguna de las
variables bsicas actuales adquiera valores negativos. En la forma
tabular, esto significa que todos los coeficientes de la columna pivote
(se excluye
Como el rengln
se ilustra 0) son
en la tabla negativos
4.9, o cero.surge en el ejemplo que
esta situacin
se present en la
figura 3.6. En l se pasaron por alto las dos ltimas restricciones
funcionales del problema de la Wyndor Glass Co., por lo cual no se
incluyen en el modelo. Observe en la figura 3.6 que el valor de x2 puede
aumentar de manera indefinida (lo que hace que Z tambin lo haga) sin
salir de lavea
Despus regin factible.
en la tabla 4.9 que x2 es la variable bsica entrante pero
el nico coeficiente en la columna pivote es cero. Como la prueba del
cociente mnimo slo utiliza coeficientes mayores que cero, no se
cuenta con un cociente que proporcione una variable bsica saliente.

4/27/17 Julio C. Salazar 12


Soluciones ptimas mltiples
en la definicin de solucin ptima se mencion que un problema
puede tener
ms de una solucin ptima. Este hecho se ejemplific en la figura 3.5
cuando se cambi la funcin objetivo del problema de la Wyndor Glass
Co. a Z = 3x1 + 2x2, de lo que result que todos los puntos sobre el
segmento de recta entre (2, 6) y (4, 3) eran ptimos. En consecuencia,
todas las soluciones ptimas
(x1, x2) =
son
w1un
(2,promedio
6) + w2(4,ponderado
3). de estas dos
soluciones FEV ptimas
donde los pesos w1 y w2 son nmeros que satisfacen
las relaciones
w1 + w2 = 1 y w1 0, w2 0.

como una solucin ptima.

4/27/17 Julio C. Salazar 13


En general, cualquier promedio ponderado de dos o ms soluciones
(vectores) donde los pesos son no negativos y suman 1 se llama
combinacin
Entonces, todaconvexa
solucin de estasdel
ptima soluciones.
ejemplo es una combinacin
convexa de (2, 6) y (4, 3).
Este ejemplo es representativo de problemas con soluciones ptimas
mltiples.problema de programacin lineal con soluciones ptimas
cualquier
mltiples (y una regin factible acotada) tiene al menos dos soluciones
FEV que son ptimas. Toda solucin ptima es una combinacin convexa
de estas soluciones FEV ptimas.
En consecuencia, en la forma aumentada, toda solucin ptima es una
combinacin convexa de las soluciones BF ptimas.

El mtodo smplex se detiene en forma automtica cuando encuentra


una solucin BF ptima.
Sin embargo, en muchas aplicaciones de programacin lineal existen
factores intangibles que no se incorporan al modelo y que pueden ser
tiles para tomar decisiones significativas entre las soluciones ptimas
alternativas.
En esos casos, deben identificarse las otras soluciones ptimas. Como
se indic, esto requiere encontrar todas las otras soluciones BF ptimas,
y entonces toda solucin ptima es una combinacin convexa de las
soluciones
4/27/17 BF ptimas. Julio C. Salazar 14
Una vez que el mtodo smplex encuentra una solucin BF ptima se
puede detectar si existen otras y, si as es, se encuentran como sigue:

Siempre que un problema tiene ms de una solucin BF ptima, al


menos una variable no bsica tiene coeficiente cero en el rengln (0)
final, de manera que si aumenta su valor, el valor de la funcin Z no
cambia. Por lo tanto, estas otras soluciones BF ptimas se pueden
identificar (si se desea) mediante iteraciones adicionales del mtodo
smplex, en las que cada vez se elige una variable no bsica con
coeficiente cero como variable bsica entrante

4/27/17 Julio C. Salazar 15


4/27/17 Julio C. Salazar 16
A manera de ilustracin, considere el caso anterior del problema de la
Wyndor Glass Co.,
donde la funcin objetivo se cambia a Z = 3x1 + 2x2. En la tabla 4.10 se
muestran las primeras tres tablas que obtiene el mtodo smplex antes
de
No detenerse con una
obstante, como unasolucin
variablebsica factible
no bsica (x3)ptima.
de esa iteracin tiene
coeficiente cero en el rengln 0, se realiza una iteracin ms en esa
misma tabla para identificar la otra solucin BF ptima.
En consecuencia, las dos soluciones bsicas factibles ptimas son (4, 3,
0, 6, 0) y (2, 6, 2, 0, 0), y ambas producen un valor de Z = 18. Observe
que la ltima tabla smplex tambin tiene una variable no bsica (x4)
con coeficiente cero en el rengln (0).
Esta situacin es inevitable porque las iteraciones adicionales no
modifican el rengln 0, y cada una de las variables bsicas que salen
conserva su coeficiente cero.
Si ahora se eligiera x4 como variable bsica entrante, slo se regresara
a la tercera tabla smplex. (Verifique esto.) Por lo tanto, estas dos son las
nicas soluciones BF ptimas, mientras que todas las dems son una
combinacin convexa de ellas.

4/27/17 Julio C. Salazar 17


4/27/17 Julio C. Salazar 18