Investigacin de Operaciones

FIGMM

Casos especiales en el Mtodo Geomtrico

Se presentan los siguientes casos(igual se presentara en el mtodo simplex)
Estos casos son: - Degeneracin - Opciones ptimas

- Soluciones no acotadas
- Soluciones no existentes (o no factibles)

Casos de degeneracin
En este caso se presenta cuando en la solucin ptima una de las variables bsicas (o de decisin) toma un valor estrictamente igual a cero. Esta condicin revela que el modelo tiene por lo menos una restriccin redundante.

Ejemplo:
F.O. Max Z = 3x1 + 9x2
s.a. x1 + 4x2 8

x1

+ 2x2 4

X1,x2 >=0

Solucion

Casos de opciones ptimas

Este caso se presenta cuando la funcin objetivo es paralela a una restriccin. Entonces la funcin ptima tomar el mismo valor ptimo en ms de un punto.

Ejemplo:
F.O. Max Z = 2x1 +4 x2
s.a. x1 + 2x2 <= 5

x1 + x2

<= 4

x1, x2 0

Solucion

Casos de solucin no acotada

En algunos modelos los valores de las variables pueden aumentar en forma indefinida sin violar ninguna de las restricciones. Esto significa que el espacio de soluciones es no acotado cuando menos el alguna direccin.

Casos de solucin no acotada

Como resultado la funcin objetivo puede crecer (caso de maximizacin) o decrecer (caso de minimizacin) en forma indefinida. Las irregularidades ms probables para que un modelo sea no acotado son:
No se determinan adecuadamente algunos parmetros en alguna restriccin.

No se toman en cuenta una o ms restricciones redundantes.

Ejemplo:
F.O. Max Z = 2x1 + x2
s.a. x1 - x2 <= 10

2x1

<= 40
x1, x2 0

Solucion

Casos de solucin no factible

Este caso se presenta en un modelo de programacin lineal cuando las restricciones no se pueden cumplir simultneamente Este caso no ocurre si todas las restricciones son del tipo Esto quiere decir que el modelo no se ha formulado correctamente

Ejemplo:
F.O. Max Z = 3x1 +2 x2
s.a. 2x1 + x2 <= 2

3x1 +4x2 12
x1, x2 0

Solucion

3. Solucin de Problemas utilizando el mtodo Simplex

3.Solucin de Problemas de PL. con el Simplex

A continuacin se darn algunos enfoques para resolver problemas con mayor cantidad de variables y restricciones, que no se pueden resolver por el mtodo geomtrico. Luego se resolvern los problemas con el software Lindo o Tora. Se dar una pequea gua para trabajar con el software respectivo.

3.1 Utilizacin del software

Cualquier modelo de programacin lineal se puede resolver haciendo uso de herramientas computacionales.

El software, cualquiera que sea, hace uso de iteraciones consecutivas.

Estas iteraciones se hacen alrededor de los puntos crticos. (vrtices de la regin factible)

3.1 Utilizacin del software

Mediante el proceso iterativo el software lo que hace es recorrer los vrtices de la regin factible hasta encontrar aquel vrtice para el cual la funcin objetivo alcanza su mximo (o mnimo valor) Lo primero es convertir las restricciones en igualdades.

Restricciones convertidas en igualdades

El paso para convertir una restriccin comnmente ( , ) desigualdad a una igualdad es el siguiente:
Cualquier restriccin puede ser convertida en una igualdad sumando una variable de holgura no negativa al lado izquierdo.
Cualquier restriccin puede ser convertida en una igualdad sumando una variable de excedente no negativa al lado izquierdo

Variables de holgura
Las variables de holgura se presentan en las restricciones del tipo: x1 + x2 cte. A la inecuacin se le agrega una variable no negativa, entonces tenemos: x1 + x2 + s = cte. s0

Variables de holgura
La variable de holgura s ser el faltante, es decir la cantidad adicional que debe ser sumada al lado izquierdo para convertir la desigualdad en igualdad. Cada restriccin tiene asociada una variable de holgura diferente para cada restriccin del modelo

Variables de exceso
Para convertir una restriccin en una igualdad, restamos una variable no negativa en el lado izquierdo y la desigualdad cambia a igualdad.
x1 + x2 cte. Esto genera las siguientes condiciones: x1 + x2 - s = cte. s0

Variables de exceso
Una variable de exceso es el excedente que debe ser reducido al lado izquierdo de la restriccin de la desigualdad para convertirla en igualdad.
Cada restriccin tiene asociada una variable excedente diferente para cada restriccin de este tipo.

Valores ptimos de las variables de holgura y exceso

Las restricciones activas son precisamente aquellas para los cuales los valores ptimos de las variables de excedente o de holgura son nulos
Las restricciones inactivas son aquellas para las que los valores ptimos de las variables de excedente y de holgura son positivos.

Ejemplo:
F.O. Max Z = x1 + x2
s.a. 8x1 + 7x2 56 8x1 + 7x2 + s1 = 56

6x1 - 10x2 60
x1 - x1 + x2 6 6

6x1 -10x2 s2 =60

x1 + s3 = 6 - x1 + x2 + s4 = 6 x1,x2,s1,s2,s3,s4 0

x1,x2 0

Formato estndar
La funcin objetivo debe maximizarse o minimizarse. Todos los valores del lado derecho de las restricciones son no negativas. El formato estndar es aquel donde las restricciones estn expresadas en forma de igualdades. Se aprecian variables de holgura y/o de exceso. Todas las variables son positivas.

Ejemplo:
F.O. Max Z = x1 + x2
s.a. 8x1 + 7x2 + s1 = 56

6x1 -10x2 s2 = 60
x1 + s3 = 6 - x1 + x2 + s4 = 6 x1,x2 ,s1,s2,s3,s4 0