Académique Documents
Professionnel Documents
Culture Documents
Programacin
Lineal
M.Sc. Ing. Gregorio Fernando Urea Mrida
http://www.sistemas.edu.bo/furena/
fernando.urena@sistemas.edu.bo
esta
MODELO GENERAL DE PL
Opt z c1 x1 c2 x2 cn xn
s .a .
a11 x1 a12 x 2 a1n x n b1
a m1 x1 a m 2 x 2 a mn x n bm
x1 , x 2 , , x n 0
MODELO GENERAL DE PL
z: funcin objetivo
CT (c1,...,cn): vector de coeficientes de la f.o.
XT (x1,...,xn ): vector de variables de decisin
A (...,aij,...): matriz de coeficientes tcnicos
b (b1,...,bm): vector de demandas
Matricialmente,
Opt CTX
s.a.
AX b
x0
Forma cannica
MODELO GENERAL DE PL
ESTRUCTURA DE UN MODELO DE PL
ESTRUCTURA DE UN MODELO DE PL
REGION
FACTIBLE
USANDO UN GRAFICO SE
PUEDEN REPRESENTAR
TODAS LAS RESTRICCIONES,
LA FUNCION OBJETIVO Y LOS
TRES TIPOS DE PUNTOS DE
FACTIBILIDAD
Mtodo Grafico
El procedimiento del mtodo grafico incluye
dos pasos bsicos:
1. Determinar el espacio de solucin que
definen las soluciones factibles que
satisfacen todas las restricciones del
modelo.
2. Determinar la solucin optima de entre
todos los puntos en el espacio de la
solucin factible.
Este procedimiento se describe tanto para
una funcin objetivo de maximizacin, como
de minimizacin.
X2
1200
Restriccin del
plstico:
The
Plastic constraint
2X1+X2<=1200
Restriccin del total de produccin:
X1+X2<=800
No Factible
600
Horas de
Produccin
3X1+4X2<=2400
Restriccin del
exceso de produccin:
X1-X2<=450
Factible
600
800
Punto Inferior
Punto Medio
Punto Extremo
X1
X2
800
Utilid. = $4,
2,
Ganancia
=$5040
3,
000
600
X1
400
600
800
1200
X2
Se toma un valor cercano al
punto ptimo
800
Regin no
factible
600
Feasible
Regin
region
Factible
X1
400
600
800
No factible:
modelo no
factible.
Ocurre cuando en el
hay ningn punto de
INFACTIBILIDAD
SOLUCIN NO ACOTADA
LA SOLUCIN GRFICA
5
4
Restriccin de hierro
Regin factible
Restriccin de vitamina D
2
Restriccin de vitamina A
SOLUCIN
PARA
PROBLEMAS
LINEALES
CON
MUCHAS VARIABLES DE DECISIN USANDO EL
COMPUTADOR
, ,
FORMAS EQUIVALENTES DE LA
PROGRAMACION LINEAL
Regla 1.
Maximizar cX es equivalente a Minimizar cX
Minimizar cX es equivalente a Maximizar cX
Regla 2.
La desigualdad AX b es equivalente a la desigualdad -AX
-b.
La desigualdad AX b es equivalente a la desigualdad -AX
-b.
Regla 3.
Toda igualdad de la forma AX=b, puede descomponerse
como la interseccin de dos desigualdades AX b y AX
b.
FORMAS EQUIVALENTES DE LA
PROGRAMACION LINEAL
Regla 4.
Toda desigualdad de la forma AX b puede convertirse en
igualdad mediante la adicin de un vector S, llamado
vector de holgura compuesta por m componentes, todas
no-negativas es decir:
S1
S
2
S .
.
S m
0
0
.
.
0
FORMAS EQUIVALENTES DE LA
PROGRAMACION LINEAL
Toda desigualdad de la forma AX b puede convertirse en
igualdad mediante la resta de un vector E, llamado vector
de exceso o superfluo compuesta por m componentes,
todas no-negativas es decir:
E1
E
2
E .
.
E m
0
0
.
.
0
FORMAS EQUIVALENTES DE LA
PROGRAMACION LINEAL
Regla 5.
Una variable no restringida, aquella que puede tomar toda
clase de valores positivos, cero y negativos, puede
escribirse como la diferencia de dos variables nonegativas.
METODO SIMPLEX
Paso 1.
Dado cualquier programa lineal transfrmese por medio
del uso de las reglas de equivalencia 1, 2, 3 y 5 a el PL a
la forma cannica.
Max Z c X
Sujeto a:
A X b
X 0
METODO SIMPLEX
Paso 2.
Re-escriba la funcin objetivo de la siguiente manera
Z cX 0
Paso 3.
Aplicando la regla de equivalencia 4, convierta todas las
desigualdades en igualdades adicionando al PL variables
de holgura. Quedando convertida la forma cannica en:
Z cX 0
AX S b
X 0
S 0
METODO SIMPLEX
Paso 4.
Constryase una tabla o tableau con los coeficientes del PL
como se muestra a continuacin:
Z
x 1 x 2 . x n
s1 s2 .. sm
-c
METODO SIMPLEX
Paso 5.
Seleccione como vector de entrada aquella variable no
bsica cuya componente zj-cj en el reglon 0 se la mas
negativa para un PL Max y la mas positiva para un PL
Min.
Si no hay ningn candidato de entrada, es decir que
todas las componentes zj-cj de las variables no bsicas en
el reglon 0 son 0 la solucin mostrada en el tableau es
optimo.
En caso de que exista un empate entre varias variables no
bsicas que pueden entrar a la base, esto debe romperse
de manera arbitraria, es decir seleccione a cualquiera de
las variables no bsicas candidatas.
METODO SIMPLEX
Paso 6.
Una vez seleccionada la comuna aj que entrara a la nueva
base, seleccione el vector de salida ar que corresponde
una variable bsica actual utilizando la siguiente regla:
X Br
Yrj
X Bk
Min
k
Ykj
Ykj 0
METODO SIMPLEX
Paso 7.
La interseccin en el tableau de la columna que entra y la
que sale determina el elemento pivote Yrj. Aplicando
operaciones matriciales elementales sobre el elemento
pivote convierta la columna aj en un vector unitario ur, es
decir ceros en toda la columna incluyendo la componente
zj-cj y un uno en Yrj.
Regrese al paso 5.
Paso 1.
Identifique cada restriccin que es ahora (luego del paso
1) una igualdad o un desigualdad . En el Paso 3,
aadiremos una variable artificial a cada una de estas
restricciones.
Paso 3.
Si (despus del paso 1) la restriccin i es una igualdad o
una desigualdad , aada una variable artificial ai a la
restriccin i. tambin aada la restriccin de signo ai 0.
Paso 4.
Sea M un numero positivo muy grande. Si el PL es un problema
min, aada (para cada variable artificial) Mai a la funcin
objetivo. Si el PL es un problema max, aada (para cada variable
artificial) -Mai a la funcin objetivo.
Paso 5.
Ya que cada variable artificial estar en la base inicial, se debe
eliminar todas las variables artificiales del reglon 0 antes de
empezar el algoritmo simples. Esto asegura que empecemos con
una forma cannica. Para escoger la variable que entra, hay que
recordar que M es un numero positivo muy grande. Ahora, con el
mtodo simplex, resuelva el problema transformado. Si todas las
variables artificiales son iguales a cero en la solucin optima,
hemos encontrado la solucin optima para el problema original.
Si cualquier variable artificial es positiva en una solucin
optima, el problema original es no factible.
Paso 1.
Identifique cada restriccin que es ahora (luego del paso
1) una igualdad o un desigualdad . En el Paso 3,
aadiremos una variable artificial a cada una de estas
restricciones.
Paso 3.
Si (despus del paso 1) la restriccin i es una desigualdad
o una igualdad, aada una variable artificial ai a la
restriccin i. tambin aada la restriccin de signo ai 0.
Paso 4.
Por el momento, ignore la funcin objetivo del PL
original. En su lugar, resuelva un PL cuya funcin
objetivo es min w = (la suma de todas las variables
artificiales). Esto se llama el PL Fase I. La solucin del PL
Fase I har las variables artificiales iguales a cero.
DUALIDAD
Asociada a cualquier estructura cannica o forma
estndar de programacin lineal
Max Z c X
s.a.
A X b
X 0
DUALIDAD
se tiene definida la siguiente estructura
Min G b T Y
s.a.
AT Y c T
Y 0
denominada problema dual
DUALIDAD
Dimensin
Caracterstica
Primal
X
c
b
A
Z
0
Dual
Y
cT
bT
AT
G
0
Problema
DUALIDAD
USOS DE LA FORMULACION DEL MODELO DUAL
a) Resolver problemas lineales que tienen mas restricciones
que actividades. Al aplicarse la dualidad a un problema
primal donde m > n, se obtiene otro programa lineal
donde el numero de filas n es menor al numero de
columnas m.
b) Hacer interpretaciones econmicas de las soluciones
optimas de los problemas de programacin lineal.
c) Generar nuevos algoritmos para la solucin de problemas
de redes de optimizacin.
d) Generar mtodos como el dual simples para el anlisis de
sensibilidad de los problemas de programacin lineal.
DUALIDAD
Primal
Dual
Max
Min
Restriccin i b i
Restriccin i = b i
Restriccin i b i
Variable i 0
Variable i no restringida
Variable i 0
Min
Max
Variable i 0
Variable i no restringida
Variable i 0
Restriccin i ci
Restriccin i = ci
Restriccin i ci
Paso 2.
Si XBi 0 para toda variable bsica donde i varia de 1 a
m, el tableau actual es optimo. Si no, se debe seleccionar
como vector de salida de la base, aquel cuyo valor de XBi
sea el valor mas negativo.
Paso 3.
El vector ak de entrada ser aquel que satisfaga la siguiente
regla:
z k ck
Yik
zj cj
Max
j 1,..., n
Yij
Yij 0
Paso 4.
La columna a k se convierte en el vector unitario ui con el pivote
Yij igual a uno. Los cambios se levan a cabo con operaciones
matriciales elementales. Regrese al paso 2 y reptase hasta que
las condiciones de optimalidad se cumplan.