Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCIN.
La programacin lineal es una clase de modelos de
programacin matemtica destinados a la asignacin eficiente de los
recursos limitados en actividades conocidas, con el objeto de
satisfacer las metas deseadas (tal como maximizar beneficios o
minimizar costos). La caracterstica distintiva de estos modelos es que
las ecuaciones que representan el objetivo y las restricciones son
lineales.
Cantidad
De recursos disponibles.
1
2
3
m
Incremento Z
Nivel de act.
a11
a21
a31
am1
cl
x1
a12
a22
a32
am2
c2
x2
aln
a2n
a3n
amn
cn
xn
b1
b2
b3
bm
X X
) donde
>= 0 y
>= 0.
EJEMPLO.
Considere el problema de programacin lineal.
Minimizar Z= 3x1-3x2+7x3
S.a.
x1+x2 +3x3<=40
x1+9x2-7x3>=50
5x1+3x2
=20
|5x2+8x3|
<=100
x1+x2+3(
X3 X3
X3 X3
-x1-9x2+ (
5x1+3x2
-5x1-3x2
X3 X3
) <=40
) <= -50
<= 20
<= -20
5x2+8(
X3 X3
-5x2-8 (
x1>=0,
x2>=0,
) <= 100
X3 X3
X3
) <= 100
)>=0,
X3
)>=0.
EJEMPLO:
Maximizar Z = 4x1+3x2
S.a.
2x1+3x2 <=6
-3x1+2x2 <=3
2x2 <=5
2x1+ x2 <=4
x1, x2 >=0
Ecuacin 1
2
3
4
5
=6
=3
=5
=4
1 -4
0 2
0 -3
0 0
0 2
-3
3
2
2
1
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
6
3
5
4
La Tcnica M.
Los pasos son los siguientes.
1. Exprese el problema en la forma estndar dada anteriormente.
2. Agregue variables no negativas al lado izquierdo de cada una de
las restricciones del tipo (>=) y (=). Estas variables se denominan
variables artificiales y su adicin hace que se infrinja las
restricciones correspondientes.
Esta dificultad se elimina asegurando que la variable artificial sea cero
en la solucin final.
Esto se logra asegurando una penalizacin muy grande y por unidad a
esta variable en la funcin objetivo. Tal penalizacin se designar
como M para problemas de maximizacin y +M para problemas de
minimizacin, M>0.
3. Utilice las variables artificiales en la solucin bsica inicial. Sin
embargo, a fin de que la tabla inicial se prepare adecuadamente, la
funcin objetivo deber expresarse en trminos de las variables no
bsicas nicamente (compare con la tabla de partida cuando todas
las variables bsicas son de holgura). Esto significa que los
coeficientes de las variables artificiales en la funcin objetivo deben
ser 0, un resultado que puede lograrse sumando mltiplos
adecuados de las ecuaciones de restriccin al rengln objetivo.
4. Proceda con los pasos regulares del mtodo simplex.
La Tcnica de las dos fases
FASE I.
Formule un nuevo problema reemplazando la funcin
objetivo original por la suma de las variables artificiales. La
nueva funcin objetivo entonces se minimiza sujeta a las
restricciones del problema original. Si el problema tiene un
espacio factible el valor mnimo de la nueva funcin
objetivo ser 0 (lo cual indica que todas las variables
artificiales son ceros). Ahora pase a la fase II.
De otra manera si el valor mnimo es mayor que 0, el
problema se termina con la informacin de que no existe
solucin factible.
FASE II.
Utilice la solucin bsica ptima de la fase I como una
solucin de inicio para el problema original. En este caso la
funcin objetivo original se expresa en trminos de la
variable no bsica utilizando las eliminaciones usuales de
Gauss-Jordan.
EJEMPLO:
Minim Z=4x1+x2
S a.
3x1+x2=3
4x1+3x2>=6
x1+2x2<=3
x1, x2>=0
CASOS ESPECIALES EN LA APLICACIN DEL MTODO SIMPLEX
EN MODELOS DE P.L.
DEGENERACIN
Empates en el Mtodo Simplex:
Cundo en el paso iterativo que elige la variable que entra hay
un empate, o sea que hay dos o ms variables no bsicas con
coeficiente negativo ms grande, como se debe romper el empate? La
eleccin entre estas dos se puede hacer de manera arbitraria. Tarde o
temprano se llegar a una solucin ptima, no existe un mtodo
conveniente para predecir cual nos lleva a una solucin ms rpida.
Pero si dicho empate ocurre entre dos o ms variables bsicas al
X1
X2
S1
S2
OP
Sol
.
0
-3
-9
8/4=2
4/2=2
-3/4
9/4
18
X2
1/4
1/4
2/4
S2
1/2
-1/2
0/2
3/2
3/2
18
X2
1/2
-1/2
X1
-1
X2
Solucin
Degenerada
ptima
X1+4X2< 8 (Redundante)
X1+2X2< 4
X1
Ecuaciones bsicas
X1+2X2+S1=5
X1+ X2+S2=4
X1, X2, S1, S2> 0
V.B.
X1
X2
S1
S2
Sol.
OP
-2
-4
S1
5/2
S2
10
X2
1/2
1/2
5/2
S2
1/2
-1/2
3/2
10
X2
-1
X1
-1
X2
X1+X2< 4
Soluciones bsicas ptimas
B X1+2X2< 5
X1
X1-X2+S1=10
2X1 +S2=40
X1, X2> 0
Bsicas
Z
S1
S2
Z
X1
S2
Z
X1
X2
X2
-1
-1
0
-3
-1
2
0
0
1
S1
0
1
0
2
1
-2
-1
0
-1
S2
0
0
1
0
0
1
3/2
1/2
1/2
SOL
OP.
0
10 10/1=10
40 40/2=20
20
10
-10
20
10
50
20
10
X2
Z=2X1+X2
Valor de la funcin
Objetivo No Acotada
Espacio de
Soluciones
No Acotadas
2X1< 40
X1 X2< 10
X1
0 (Inicial)
X2 entra
S1 sale
1
(seudo-op
tima)
X1
-3-3M
X2
S1
S2
A1
SOL.
-2- M
-12M
4M
S1
A1
Z
4
0
1
0
12
4-4M
-4
X2
-1 0
M 2+4
M
1
0
A1
-5
-1
1+5M
Solucin
Seudo-ptima
3X1+4X2< 12
Z=3X1+2X2
2X1+X2 > 2
0
X1