Vous êtes sur la page 1sur 12

Mtodo de la M o de Penalizacin.

Hasta este momento se han presentado los detalles del mtodo smplex con la suposicin de que el problema se encuentra en nuestra forma estndar (maximizar Z sujeta a las restricciones funcionales de la forma y restricciones de no negatividad sobre todas las variables) con bi 0 para toda i = 1, 2, ..., m. En esta seccin se establecer cmo hacer los ajustes requeridos a otras formas legtimas de modelos de Programacin Lineal. Se ver que todos estos ajustes se pueden hacer en el paso inicial, de manera que el resto del mtodo smplex se aplica justo como se aprendi. El nico problema serio que introducen las otras formas de restricciones funcionales (= ) es identificar una solucin inicial bsica factible. Antes, esta solucin inicial se encontraba en forma muy conveniente al hacer que las variables de holgura fueran las variables bsicas iniciales, donde cada una era igual a la constante no negativa del lado derecho de la ecuacin correspondiente. Ahora debe hacerse algo ms. El enfoque estndar que se utiliza es estos casos es la tcnica de variables artificiales. sta construye un problema artificial ms conveniente introduciendo una variable ficticia (llamada variable artificial) en cada restriccin que lo requiera. Esta nueva variable se introduce slo con el fin de que sea la variable bsica inicial para esa ecuacin. Las restricciones usuales de no negatividad tambin se aplican sobre estas variables y la funcin objetivo se modifica para que imponga una penalizacin exorbitante en el caso de que adquieran valores mayores que cero. Las iteraciones del mtodo smplex automticamente fuerzan a las variables artificiales a desaparecer (a volverse cero) una a una, hasta que todas quedan fuera de la solucin; despus de esto se resuelve el problema real. Para ilustrar la tcnica de las variables artificiales, primero se considerar el caso en que la nica forma no estndar en el problema es la presencia de una o ms restricciones en forma de igualdad. Restricciones en forma de igualdad. En realidad, cualquier restriccin en forma de igualdad:

ai1x1 +ai2x2 + . . . + ainxn = bi es equivalente a dos restricciones de desigualdad: ai1x1 + ai2x2 + . . . + ainxn bi, ai1x1 + ai2x2 + . . . + ainxn bi Sin embargo, en lugar de hacer esta sustitucin e incrementar con ello el nmero de restricciones, es ms conveniente usar la tcnica de la variable artificial. Suponga que se modifica el problema de ejemplo presentado y resuelto en la seccin anterior. El nico cambio que sufre el modelo de programacin lineal es que la tercera restriccin, 3x1 + 2x2 18, se convierte en una restriccin de igualdad: 3x1 + 2x2 = 18 Aplicando la tcnica de las variables artificiales se introduce una variable artificial no negativa (denotada por x5) en la ltima ecuacin, como si fuera una variable de holgura: 3x1 + 2x2 + x5 =18 En resumen si tenemos una restriccin funcional en forma de igualdad y deseamos pasarla a su forma de igualdad, nicamente debemos sumar una variable artificial. Restricciones funcionales de la forma Para ilustrar la manera en que la tcnica de las variables artificiales maneja las restricciones de la forma usaremos el siguiente ejemplo:
Minimizar sujeta a Z = 0.4x1 0.3x1 0.5x1 0.6x1 x1 0, + + + + 0.5x2 0.1x2 0.5x2 = 0.4x2 x2 0

2.7 6 6

Notemos que la tercera restriccin es del tipo , por lo que para cambiarla a su forma de igualdad tendramos que restar una variable de supervit (o de excedente), quedando de la siguiente manera: 0.6x1 + 0.4x2 x5 = 6 Se ha restado la variable de excedente x5 (se utiliz x5 porque en la primera restriccin agregamos una variable de holgura que sera x3 y en la segunda restriccin agregamos tambin una variable artificial que sera x4; todo esto con el fin de convertir las desigualdades a su forma de igualdades) para que consuma el exceso de 0.6x1 + 0.4x2, o sea, lo que se pasa de 6. No obstante en este caso debe agregarse otra variable. Esta variable extra, llamada variable artificial se aumenta como sigue: 0.6x1 + 0.4x2 x5 + x6 = 6 La razn de esto es que, si no se agrega la variable artificial, no se estaran cumpliendo las restricciones de no negatividad. Para comprenderlo, se dejar sin aumentar. El mtodo smplex comienza por hacer todas las variables reales (originales) iguales a cero. Entonces: 0.6x1 + 0.4x2 x5 = 6 Sea x1 = 0 y x2 = 0, entonces: x5 = 6 restriccin de no negatividad) La variable artificial opera para mantener todas las variables no negativas cuando 0.6x1 + 0.4x2 es menor que 6. Si x1 = 0 y x2 = 0, entonces x5 = 0 y 0.6x1 + 0.4x2 x5 + x6 = 6 x6 = 6 x5 = 6 (que no cumple la

En resumen, una restriccin de la forma se convierte a su forma de igualdad restando una variable de excedente y sumando una variable artificial. Consideremos el siguiente problema:
Maximizar sujeta a Z = 3x1 x1 3x1 x1 0, + 5x2 2x2 2x2 x2 0

4 12 18

Como explicamos anteriormente, para resolver este problema, debemos construir un problema artificial que tiene la misma solucin ptima que el problema real, haciendo dos modificaciones a este problema real. 1. Se aplica la tcnica de las variables artificiales introduciendo una variable artificial no negativa (denotada por x5) en la ltima ecuacin, como si fuera una variable de holgura: 3x1 + 2x2 + x5 =18 2. Se asigna una penalizacin enorme al hecho de tener x5 0, cambiando la funcin objetivo Z = 3x1 + 5x2 a: Z = 3x1 + 5x2 Mx5, donde M simblicamente representa un nmero positivo muy grande. Este mtodo que fuerza a x5 hasta el nivel de x5 = 0 en la solucin ptima se llama mtodo de la M. Nota: Para el caso de minimizacin, penalizamos a la variable artificial, hacindola aparecer en la funcin objetivo con un coeficiente de +M. Ahora se encuentra la solucin ptima para el problema real aplicando el mtodo smplex al problema artificial. Como x5 juega el papel de la variable de holgura en la tercera restriccin del problema artificial, esta restriccin es equivalente a 3x1 + 2x2 18.

En particular, el sistema de ecuaciones despus de aumentar el problema artificial (en otras palabras, pasarlo a su forma de igualdades) es:
Maximizar Z, sujeta a Z 3x1 5x2 + x3 x1 2x2 3x1 + 2x2 xj 0 + Mx5 = = + x4 = + x5 = Para j = 1, 2, , 5 0 4 12 18

En este momento estamos preparados para pasar los coeficientes a la tabla smplex:

Variable Bsica Z x3 x4 x5 Z 1 0 0 0 x1 3 1 0 3 x2 5 0 2 2 x3 0 1 0 0 x4 0 0 1 0 x5 M 0 0 1

Lado derecho 0 4 12 18 Cociente Es ptima?

Esta tabla todava no est en la forma apropiada porque el coeficiente de x 5 es diferente de cero en la ecuacin de Z (es M). Por lo tanto, antes de que el mtodo smplex pueda aplicar la prueba de optimalidad y encontrar la variable bsica entrante, debe pasarse esta tabla a la forma apropiada para que cumpla la condicin smplex. Esta condicin que debe cumplir toda tabla del mtodo smplex para que pueda reportarnos la siguiente solucin bsica factible dice que: Toda variable bsica debe tener un 1 en la interseccin de su rengln y columna correspondiente y cero en los dems renglones incluido el rengln de Z, en otras palabras, que toda variable que sea bsica solamente debe aparecer en el rengln de la restriccin que representa. Para hacer cero el coeficiente M, utilizamos el rengln de x5 como rengln pivote multiplicndolo por M y sumando el resultado al rengln de Z. Realizando el procedimiento anterior, la tabla smplex queda de la siguiente manera:
Variable Bsica Z x1 x2 x3 x4 x5 Lado derecho Cociente Es ptima?

Z
x3 x4 x5

1
0 0 0

-3M- -2M3 5
1 0 3 0 2 2

0
1 0 0

0
0 1 0

0
0 0 1

18M
4 12 18

Mx5 + Z
(0, 0, 4, 12, 18) Z = 18M

Podemos observar que la tabla anterior ya se encuentra en la forma apropiada y podemos leer la solucin bsica factible actual, que es (0, 0, 4, 12, 18), la cual aplicando la prueba de optimalidad vemos que no es ptima ya que todava tenemos coeficientes negativos en el rengln de Z (los correspondientes a x1 y x2). Aplicando el mtodo smplex a la tabla anterior tenemos: el coeficiente negativo con el mayor valor absoluto corresponde a x1 (3M3), recordemos que M es un nmero muy grande positivo, por lo tanto, x1 se convierte en la variable bsica entrante, realizando los cocientes correspondientes, vemos que x3 se convierte en la variable bsica saliente. El procedimiento completo para resolver este ejemplo se muestra en el siguiente conjunto de tablas:

riable Z x1 x2 x3 x4 x5

Lado derecho Cociente Es ptima?

sica

Z
x3 x4 x5

1
0 0 0

-3M-3
1 0 3

-2M-5
0 2 2

0
1 0 0

0
0 1 0

0
0 0 1

18M
4 12 18 18/3 = 6 (4, 0, 0, 12, 6) 12/2 = 6 6/2 = 3 4/1 = 4 6/3 = 2 (4, 3, 0, 6, 0) Z = 27 Z = 6M+12 4/1 = 4 (0, 0, 4, 12, 18) Z = 18M

Z
x1 x4 x5

1
0 0 0

0
1 0 0

-2M-5
0 2 2

3M+3
1 0 3

0
0 1 0

0
0 0 1
M+5/2

6M+12
4 12 6

Z
x1 x4 x2

1
0 0 0

0
1 0 0

0
0 0 1

9/2
1 3 3/2

0
0 1 0

27
4 6 3

0 1 1/2
M+1

Z
x1 x3 x2

1
0 0 0

0
1 0 0

0
0 0 1

0
0 1 0

3/2
1/3 1/3 1/2

36
2 2 6 (2, 6, 2, 0, 0) Z = 36 ptima

1/3 1/3 0

MINIMIZACIN con el mtodo smplex. Una manera directa de minimizar Z con el mtodo smplex es cambiar los roles de los coeficientes negativos y positivos en el rengln de la funcin objetivo, tanto para la prueba de optimalidad como para la parte 1 de una iteracin. Se determina la variable bsica entrante mediante la eleccin de la variable con el coeficiente positivo menor en la ecuacin de Z. La solucin bsica factible actual es ptima si y slo si todos los coeficientes de la ecuacin de la funcin objetivo (rengln de Z) son no positivos ( 0 ). Si es as, el proceso termina; de otra manera, se lleva a cabo otra iteracin para obtener la nueva solucin bsica factible, lo que significa el cambio de una variable no bsica por una bsica (parte 1) y viceversa (parte 2), y despus despejar las variables de la nueva solucin (parte 3). Notemos que no se ha dicho nada con respecto a la forma de obtener la variable bsica saliente en una iteracin, ya que este paso se realiza de la misma manera que cuando se est maximizando, es decir, se escoge aquella variable bsica con el menor cociente. Ilustremos la forma de utilizar el mtodo smplex para el caso de minimizacin. Consideremos el siguiente ejemplo:
Minimizar sujeta a Z = 3x1 + 8x2 + 4x2 x1 + 2x2 x1 x1 0, x2 0

4 2

Pasando este problema a su forma de igualdades aadiendo las variables necesarias, obtenemos lo siguiente:
Minimizar Z, sujeta a Z 3x1 8x2 x1 + 4x2 + x3 x1 + 2x2 xj 0 Mx5 = = + x5 = x4 para j = 1, 2, , 5 0 4 2

Utilizando el mtodo de la M para obtener una solucin ptima por el mtodo smplex, obtenemos el siguiente conjunto de tablas:
Variable Bsica Z x1 x2 x3 x4 x5 Lado derecho Cociente Es ptima?

x3 x5

0 0

1 1 1 1

4 2 4 2

1 0

0 1

0 1

4 2

Z
x3 x5

1
0 0

M3 2M8 2
2 2

0
1 0

M
0 1

0
0 1

2M
4 2 4/1 = 4 2/1 = 2

(0, 0, 4, 0, 2) Z = 2M (2, 0, 2, 0, 0) Z=6 ptima

Z
x3 x1

1
0 0

0
0 1

0
1 0

3
1 1

M+3
1 1

6
2 2

Notemos que la primera tabla no se encontraba en la forma apropiada para el mtodo smplex, ya que el coeficiente de la variable bsica x5 era de M en el rengln de Z, lo cual hacia que no se cumpliera la condicin smplex.

Mtodo de las dos Fases.


En el ejemplo presentado en la seccin Restricciones funcionales de la forma , recordemos la funcin objetivo real: Problema real: Minimizar Z = 0.4x1 + 0.5x2

Sin embargo, el mtodo de la M utiliza la siguiente funcin objetivo a travs de todo el procedimiento: Mtodo de la M: Minimizar Z = 0.4x1 + 0.5x2 + Mx4 + Mx6

Como los dos primeros coeficientes (0.4 y 0.5) son despreciables comparados con M, el mtodo de dos fases puede eliminar la M usando las siguientes dos funciones objetivo que definen Z de manera completamente diferente: Mtodo de las dos fases: Fase 1: Fase 2: Minimizar Minimizar Z = x4 + x6 Z = 0.4x1 + 0.5x2 (hasta que x4 = 0 y x6 = 0). (con x4 = 0 y x6 = 0).

La funcin objetivo de la fase 1 se obtiene dividiendo la funcin objetivo del mtodo de la M entre M eliminando los trminos despreciables, en otras palabras, la fase 1 consiste en la minimizacin de la suma de todas las variables artificiales que se introduzcan en el problema. Como la fase 1 concluye al obtener una solucin bsica

factible para el problema real (aquella en la que x4 = 0 y x6 = 0), esta solucin se usa como la solucin bsica factible inicial para aplicar el mtodo smplex al problema real (con su funcin objetivo) en la fase 2. Antes de resolver el ejemplo de esta manera se har un resumen de las caractersticas generales. Resumen del mtodo de dos fases. Paso inicial: Se revisan las restricciones del problema original introduciendo variables artificiales segn se necesite para obtener una solucin bsica factible inicial obvia para el problema artificial. Fase 1: uso del mtodo smplex para resolver el problema de programacin lineal: Minimizar Z = de todas las variables artificiales, sujeta a las restricciones revisadas. La solucin ptima que se obtiene para este problema (con Z = 0) ser una solucin bsica factible para el problema real. Fase 2: se eliminan las variables artificiales (de todas formas, ahora todas valen cero). Comenzando con la solucin bsica factible que se obtuvo al final de la fase 1, se usa el mtodo smplex para resolver el problema real. Enseguida se resumen los problemas que deben resolverse por el mtodo smplex en las fases respectivas para el ejemplo.
Problema para la fase 1: Minimizar sujeta a 0.3x1 + 0.1x2 + 0.5x1 + 0.5x2 0.6x1 + 0.4x2 x3 + x4 x5 + x6 = = = 2.7 6 6 W = x4 + x6,

y
x10 x20 x3 x40 x50 x60

Problema para la fase 2: Minimizar sujeta a 0.3x1 + 0.1x2 + 0.5x1 + 0.5x2 0.6x1 + 0.4x2 x3 x5 = = = 2.7 6 6 Z = 0.4x1 + 0.5x2,

y
x10 x20 x3 x50

Las nicas diferencias entre estos dos problemas se encuentran en la funcin objetivo y en la inclusin (fase 1) o exclusin (fase 2) de las variables artificiales x4 y x6. Sin las variables artificiales, el problema para la fase 2 no tiene una solucin bsica factible inicial obvia. El nico propsito de resolver el problema para la fase 1 es obtener una solucin bsica factible con x4 = 0 y x6 = 0 que se pueda usar como la solucin bsica factible inicial para la fase 2. Las siguientes tablas muestran el resultado de aplicar el mtodo smplex a este problema para la fase 1:
Lado W x1 x2 x3 x4 x5 x6 derecho Cociente Es ptima?

riable

sica

1
0 0 0

0
0.3 0.5 0.6

0
0.1 0.5 0.4

0
1 0 0

1
0 1 0

0
0 0 1

1
0 0 1

0
2.7 6 6

x3

x4

x6

1
0 0 0

1.1
0.3 0.5 0.6

0.9
0.1 0.5 0.4

0
1 0 0

0
0 1 0

1
0 0 1

0
0 0 1

12
2.7 6 6 2.7/0.3=9 6/0.5=12 6/0.6=10
9/0.33=27.2 1.5/0.33=4.5

x3

(0,0,2.7,6,0,6) W = 12

x4

x6

1
0 0 0

0
1 0 0

0.53
0.33 0.33 0.2

3.66
3.33 1.66 2

0
0 1 0

1
0 0 1

0
0 0 1

2.1
9 1.5 0.6 (9,0,0,1.5,0,0.6) W = 2.1

x1

x4

x6

0.6/0.2=3
8.01/1.65=4.8

1
0

0
1

0
0

1.64
6.63

0
0

1.65
1.65

2.65
1.65

0.51
8.01

x1

(8.01,3,0,0.51,0,0)

x4

0 0

0 0

0 1

1.64 10

1 0

1.65 5

x2

1.65 5

0.51 3

0.51/1.65=0.30

W = 0.51

1
0 0 0

0
1 0 0

0
0 0 1

0
5 0.99 5.05

1
1 0.60 3

0
0 1 0

1
0 1 0

0
7.5 0.3 4.5

x1

(7.5,4.5,0,0,0.3,0)
W=0 ptima fase 1

x5

x2

Notemos que ya hemos obtenido una solucin ptima para la fase 1 que consisti en la minimizacin de la suma de todas las variables artificiales. Observemos tambin que la funcin objetivo W termin con un valor de cero en la ltima tabla, lo que indica que las dos variables artificiales (x4 y x6) valen cero tienen valores recprocos y se cancelan mutuamente para dar cero. En nuestro caso, las dos variables artificiales valen cero ya que no se encuentran en la columna de las variables bsicas en la ltima tabla de la primera fase. La segunda fase consiste en resolver el problema original utilizando como tabla inicial de esta fase la ltima tabla de la primera fase pero sin considerar la columna de las variables artificiales ya que stas tomaron el valor de cero en la primera fase. El mtodo smplex aplicado a la segunda fase se muestra en el siguiente conjunto de tablas:
Variable Bsica Z x1 1 0 0 x2 0 0 1 x3 x4 x5 x6 Lado derecho Cociente Es ptima?

Z
x1 x5 x2

1
0 0 0

0.4 0.5

0
0 1 0

0
0 1 0

0
7.5 0.3 4.5

5 1 0.99 0.60 5.05 3

Z
x1 x5 x2

1
0 0 0

0
1 0 0

0.5
0 0 1

2
5 0.99 5.05

0
0 1 0

3
7.5 0.3 4.5

Z
x1 x5 x2

1
0 0 0

0
1 0 0

0
0 0 1

0.52
5 0.99 5.05

0
0 1 0

5.25
7.5 0.3 4.5

(7.5,4.5,0,0,0.3,0)
Z = 5.25 ptima fase 2

Notemos que no fue necesario aplicar propiamente el mtodo smplex a la primera tabla de la segunda fase, ya que nicamente aplicando operaciones con matrices para tratar de llevar esta tabla a la forma apropiada para el mtodo smplex fue suficiente para resolver el problema planteado en la segunda fase. Es necesario aclarar

que no siempre ocurrir de esta manera, es decir, si despus de dejar la tabla en la forma apropiada, es necesario aplicar el mtodo smplex, se debe aplicar como lo hemos estudiado. Nota: Independientemente de que el problema original (real) sea de maximizacin o minimizacin, la primera fase siempre consistir en la minimizacin de la suma de todas las variables artificiales.

Vous aimerez peut-être aussi