Modelo Corte PDF

25 de Junio de 2012
RESOLUCIN DE
MODELOS DE
PROGRAMACIN
ENTERA
MTODOS DE CORTE
CORTES DE GOMORY
Postgrado de Investigacin de Operaciones
Facultad de Ingeniera
Universidad Central de Venezuela
Programacin Entera Jos Luis Quintero 1
Puntos a tratar
1. Idea bsica de los mtodos de corte

2. Aspectos de Programacin Lineal (PL)
3. El Mtodo Simplex Dual
4. Anlisis de sensibilidad en PL
5. Corte entero puro de Gomory
6. Corte entero mixto de Gomory

Mtodos de corte
La idea bsica de los mtodos de corte consiste en

reestructurar el espacio de soluciones originales
(continuas) de tal forma que la solucin entera
aparezca como un punto extremo del espacio de
soluciones as modificado.
Esta reestructuracin del espacio de soluciones se

lleva a cabo mediante la introduccin de
restricciones (planos de corte) diseadas para este
efecto que sistemticamente cortan o truncan el
espacio de soluciones de tal forma que ningn
punto factible relevante sea excludo. Es decir,
estas restricciones, cortan o truncan partes no
factibles del espacio de soluciones.

Mtodos de corte
Los mtodos de corte tienen la importancia

histrica de ser los primeros algoritmos
(publicados) que se desarrollaron para resolver
modelos de programacin lineal entera.
El primer algoritmo finito de cortes se debe a R.

Gomory en 1958 para el problema entero puro. Y
ms adelante en 1960 expandi la teora del
algoritmo para atacar problemas enteros mixtos.

Esquema general de los mtodos de corte
PASO 1. Resolver el modelo de programacin lineal continuo

asociado al problema entero lineal.
a. Si la solucin del modelo asociado es no factible, el
problema original entero es no factible.
b. Si la solucin ptima satisface las restricciones enteras,
esta solucin es la solucin ptima del modelo original. FIN.
c. Si la solucin ptima no satisface las restricciones enteras:
PASO 2. Utilice el mtodo de corte para generar un plano de

corte. Aada la restriccin que representa el corte a las
restricciones del modelo y aplique el paso 1. La nueva
restriccin elimina la solucin ptima del modelo continuo de
la regin factible y no elimina ningn punto entero. El mtodo
se repite hasta alcanzar la solucin ptima que satisfaga las
restricciones enteras.

Puntos a tratar


Aspectos importantes de Programacin Lineal
Un modelo de minimizacin de PL, puede ser

expresado por:
P: min z = cx
s.a. Ax = b
x0
donde cRn (fila), ARm,n y bRm son conocidos.
Las variables de decisin vienen representadas por
xRn y zR es el valor de la funcin objetivo. El
poliedro que constituye la regin factible del
espacio de opciones se denota por S.

Con Ax = b se puede hacer la particin A = (B N),

donde BRm,m y NRm,(n-m). Como B se construye
con las columnas linealmente independientes de A,
se garantiza la existencia de B-1.
Si se particiona x, es decir:
xB
x=
xN
donde xBRm y xNR(n-m), las variables agrupadas
en xB se llaman variables bsicas y las agrupadas
en xN son no bsicas, entonces Ax = b es
equivalente a:
xB
(B N) x = b
N

Al desarrollar BxB + NxN = b para obtener xB basta

premultiplicar por B-1:
xB = B-1 b - B-1 NxN
Si se hace xN=0 se tiene una solucin bsica
dada por xB=B-1b. Si adicionalmente se tiene que
xB 0 entonces se trata de una solucin bsica
factible.
Si se tiene una solucin factible cualquiera x, dada
por:
x
x = B
xN
donde xB 0 y xN 0, entonces se puede expresar:

x
Ax = (B N) B = Bx B + Nx N = b
xN
luego: xB = B1b B1NxN = B1b
j
B 1a j x j = B1b
j
yj x j
donde es el conjunto de ndices no bsico

factible actual, aj es la j-sima columna de A y xj
es la j-sima variable no bsica. Al evaluar el
objetivo en x se tiene:
x
z = cx = (c B c N ) B = c B x B + c N x N
xN
Si x es una solucin ptima entonces la base

asociada B es tal que:
B-1b 0 , cBB1N cN 0

Puntos a tratar


Ejemplo 1. La mecnica del Mtodo Simplex Dual
Suponga que se tiene una solucin ptima pero infactible
para un problema de minimizacin. Ello significa que los
coeficientes de costo reducidos son no positivos, pero algn
elemento del vector de recursos es negativo. Ya se ver
cmo se puede llegar a esta situacin. Sea el siguiente
tablero correspondiente a un problema de minimizacin:
Z X1 X2 X3 X4 X5 LD
1 -2 -3 -4 0 0 0
0 -1 -2 -1 1 0 -3
0 -2 1 -3 0 1 -4
En l se observa que todos los coeficientes de costos son no

positivos, por lo que la solucin actual es ptima. Tambin se
observa que la solucin actual es infactible, pues hay
elementos negativos en el vector de recursos.

Se plantea el problema siguiente: es posible realizar una
secuencia de operaciones de pivoteo que permitan recuperar
factibilidad sin perder optimalidad? Es posible pivotear hasta
obtener una solucin factible que tambin sea ptima? La
respuesta es afirmativa.
La idea es hacer crecer los elementos del vector de recursos
hasta recuperar la factibilidad sin perder la optimalidad. Ello
requiere que si se hace un pivoteo, el elemento del vector de
recursos que sea negativo crezca hasta dejar de serlo, al
mismo tiempo que ningn coeficiente de costo se haga
positivo.
De acuerdo al significado que se di a los coeficientes
tecnolgicos, si alguno de ellos es negativo entonces el
crecimiento de la variable asociada genera cantidades
adicionales de ese recurso en lugar de consumirlo, por lo
tanto su valor aumenta.

Este ltimo hecho indica que de hacer entrar una variable xk
(k=1,2,...,n) a la base, ello ayudar a eliminar la infactibilidad
detectada en algn bi (aquel bi<0 para algn i=1,2,...,m),
siempre y cuando se cumpla que yki < 0 .
Luego, para hacer no negativo el elemento 4 del LD, se debe

pivotear en alguna de las posiciones sombreadas:
Z X1 X2 X3 X4 X5 LD
1 -2 -3 -4 0 0 0
0 -1 -2 -1 1 0 -3
0 -2 1 -3 0 1 -4
lo cual llevara a entrar a la base a x1 o a x3.

La seleccin de la variable que se debe hacer entrar a la base

depende del efecto del pivoteo sobre la optimalidad. La
relacin entre el coeficiente de costo reducido zk -ck y el valor
dado por yki (para yki < 0) indica en cunto se puede desmejorar
el valor actual del objetivo por un crecimiento unitario de la
variable xk que beneficie la factibilidad.
La idea es pivotear donde se desmejore lo menos posible el

valor actual de la funcin objetivo. Por ello, para escoger la
variable que va a entrar se hace un TRM entre los valores
negativos de la fila del objetivo y los valores negativos de la
fila pivote. El mtodo es como sigue:

1. Elija la fila pivote que corresponda al elemento del vector de

recursos ms negativo.
2. Elija la columna pivote haciendo el TRM entre los

coeficientes de costo reducidos y los valores negativos de la
matriz tecnolgica en esa fila pivote. Si no se puede hacer el
TRM por no encontrar denominadores negativos, el problema
no es factible.

En el ejemplo actual la fila pivote es la sombreada:

Z X1 X2 X3 X4 X5 LD
1 -2 -3 -4 0 0 0
0 -1 -2 -1 1 0 -3
0 -2 1 -3 0 1 -4
El TRM indica la columna pivote:
Z X1 X2 X3 X4 X5 LD
1 -2 -3 -4 0 0 0
0 -1 -2 -1 1 0 -3
0 -2 1 -3 0 1 -4
TRM 1 --- 1,333 --- ---

Al pivotear se llega a:
Z X1 X2 X3 X4 X5 LD
1 0 -4 -1 0 -1 4
0 0 -5/2 1/2 1 -1/2 -1
0 1 -1/2 3/2 0 -1/2 2
Ahora se procede con la siguiente fila pivote, la cual se ha

sombreado:
Z X1 X2 X3 X4 X5 LD
1 0 -4 -1 0 -1 4
0 0 -5/2 1/2 1 -1/2 -1
0 1 -1/2 3/2 0 -1/2 2

El TRM indica la columna pivote:

Z X1 X2 X3 X4 X5 LD
1 0 -4 -1 0 -1 4
0 0 -5/2 1/2 1 -1/2 -1
0 1 -1/2 3/2 0 -1/2 2
TRM --- 1,60 --- --- 2
al pivotear se tiene:
Z X1 X2 X3 X4 X5 LD
1 0 0 -9/5 -8/5 -1/5 28/5
0 0 1 -1/5 -2/5 1/5 2/5
0 1 0 7/5 -1/5 -2/5 11/5
el cual sigue siendo un tablero ptimo, pero es adems
factible.

Grficamente, la situacin puede representarse en un caso
bidimensional como sigue:
x2 ptimo infactible
Ganar factibilidad
sin perder optimalidad
(0,0) x1

Puntos a tratar


Anlisis de sensibilidad
INCLUSIN DE UNA NUEVA RESTRICCIN
Si se agrega una nueva restriccin, sta no afecta la
optimalidad pero si puede afectar la factibilidad: basta con que
la nueva restriccin haga que la solucin ptima actual sea
infactible. De ser ese el caso se puede aplicar el Mtodo
Simplex Dual para recuperar la factibilidad.
Se tiene una solucin ptima de base B, por lo que las
soluciones bsicas vienen dadas por la relacin:
x B + B-1Nx N = B 1b
y se agrega la restriccin am+1x bm+1
m+1 m+1
Esta ltima puede escribirse como: a B x B + a N x N + x n+1 = b m+1
m+1 m+1
donde a B y aN son, respectivamente, las componentes
bsicas y no bsicas del vector fila am+1 y xn+1 es una variable
de holgura no negativa.

Anlisis de sensibilidad
Luego, en la solucin ptima se tiene:

(a Nm+1 a Bm+1B 1N)x N + x n+1 = b m+1 a Bm+1B 1b
entonces, las primeras m soluciones bsicas vienen dadas por:
x B + B 1Nx N = B 1b
y la solucin bsica m+1, que es xn+1, ser factible si:
bm+1 a Bm+1B 1b 0
Es decir, si en el tablero ptimo, la holgura de la nueva

restriccin introducida es no negativa, entonces la nueva
restriccin no excluye la solucin ptima anteriormente
alcanzada. En ese caso la solucin ptima actual sigue siendo
factible, en caso contrario, debe recuperarse factibilidad con el
Mtodo Simplex Dual.

Ejemplo 2. Inclusin de una nueva restriccin
Sea el tablero inicial:
Z X1 X2 X3 X4 X5 LD
1 2 -1 1 0 0 0
0 1 1 1 1 0 6
0 -1 2 0 0 1 4
cuyo tablero ptimo es:
Z X1 X2 X3 X4 X5 LD
1 0 -3 -1 -2 0 -12
0 1 1 1 1 0 6
0 0 3 1 1 1 10
Qu ocurre si se agrega al problema original la restriccin
-x1+2x3 2 ?
Al llevar la nueva restriccin a la forma se tiene:

x1 - 2x3 - 2 luego:
1 0 6
b 3 a B3 B 1b = 2 (1 0 ) = 2 6 = 8 0
1 1 10
Como la solucin pasa a ser infactible, se agrega la nueva

restriccin y se modifica el tablero anterior a:
Z X1 X2 X3 X4 X5 X6 LD
1 0 -3 -1 -2 0 0 -12
0 1 1 1 1 0 0 6
0 0 3 1 1 1 0 10
0 1 0 -2 0 0 1 -2

Se gana forma cannica y se llega al tablero:
Z X1 X2 X3 X4 X5 X6 LD
1 0 -3 -1 -2 0 0 -12
0 1 1 1 1 0 0 6
0 0 3 1 1 1 0 10
0 0 -1 -3 -1 0 1 -8
a partir del cual se puede aplicar el Mtodo Simplex Dual

para recuperar factibilidad.

Puntos a tratar


Corte entero puro de Gomory
Sea P un modelo de programacin lineal entera pura de la

forma:
P min cx
s.a. Ax b
x0
x entero
Se supondr que los datos son enteros. Suponga que se
resuelve el modelo lineal P y se halla x (solucin ptima). Si x
es entero FIN. En caso contrario, se genera una restriccin
(corte) que elimine a x de la regin factible y no elimine
ningn punto entero factible.
Sea B una base asociada a x, en tal caso
B1b 0 cBB1N cN 0

x
Sea B = B 1
b B 1
NxN = B 1
b
j
B1ajx j = B1b j
y jx j .
xB
Si x = no es entero, entonces k /(xB )k no es entero.
0
1 1 1
Se tiene (xB )k = (B b)k (B NxN )k = (B b)k
descomponer se obtiene
j
ykj x j donde al
(xB )k = (B1b)k +

fk

parte

j
( ykj +

gkj

)x j
parte parte parte
fraccional entera fraccional
entera
con 0 < fk < 1 , 0 < gkj < 1 .
Como 0 < fk < 1 y

j
gkj x j 0 , se sigue que fk
j
gkj x j < 1 .

La restriccin
fk
j
gkj x j 0 (1)
elimina con seguridad a la solucin ptima x porque en el

ptimo se exigi que 0 < fk < 1, condicin que no es satisfecha
por la restriccin (1). A la restriccin (1) se le conoce como
CORTE ENTERO PURO DE GOMORY.
Para obligar a (xB )k a tomar un valor entero, una vez que el

vector xN deje de ser nulo, basta que fk
gkj x j sea entero.
j
Por lo tanto la restriccin (1) es una condicin necesaria

para lograr el requisito del apartado anterior.

Ejemplo 3. Corte entero puro de Gomory
Considere el siguiente modelo de programacin entera pura
Max Z = 120x1 + 80x2

s.a. 2x1 + x2 6
7x1 + 8x2 28
x1, x2 0 , enteros
que resulta equivalente al modelo
Min W = Z = 120x1 80x2

s.a. 2x1 + x2 6
7x1 + 8x2 28
x1, x2 0 , enteros

El tablero ptimo viene dado por
W X1 X2 X3 X4 LD
1 0 0 -400/9 -40/9 -3520/9
0 1 0 8/9 -1/9 20/9
0 0 1 -7/9 2/9 14/9
Se puede leer la solucin ptima P1 = (x1,x2) = (20/9,14/9)

W = -3520/9
El primer corte de Gomory viene dado por la restriccin
5 2 2 2 2 5
f2 g32x3 g24x 4 = x3 x4 0 x3 x4
9 9 9 9 9 9


En trminos de las variables originales del problema se tiene

2 2 5
x3 x4 2x1 + 2x2 7
9 9 9
Al introducir el corte 2 x3 2 x4 + x5 = 5 al tablero ptimo:

9 9 9
W X1 X2 X3 X4 X5 LD
1 0 0 -400/9 -40/9 0 -3520/9
0 1 0 8/9 -1/9 0 20/9
0 0 1 -7/9 2/9 0 14/9
0 0 0 -2/9 -2/9 1 -5/9
Se necesita aplicar el Mtodo Simplex Dual para recuperar

factibilidad.

Despus del aplicar el Mtodo Simplex Dual se obtiene:
W X1 X2 X3 X4 X5 LD
1 0 0 -40 0 -20 -380
0 1 0 1 0 -1/2 5/2
0 0 1 -1 0 1 1
0 0 0 1 1 -9/2 5/2
Se puede leer la solucin ptima P2 = (x1,x2) = (5/2,1)

W = -380
El segundo corte de Gomory viene dado por la restriccin
1 1 1 1
f1 g13x3 g15x5 = x5 0 x5
2 2 2 2



1 1
x5 x1 + x2 3
2 2
Al introducir el corte 1 x5 + x6 = 1 al tablero ptimo:

2 2
W X1 X2 X3 X4 X5 X6 LD
1 0 0 -40 0 -20 0 -380
0 1 0 1 0 -1/2 0 5/2
0 0 1 -1 0 1 0 1
0 0 0 1 1 -9/2 0 5/2
0 0 0 0 0 -1/2 1 -1/2

factibilidad.

Despus de aplicar el Mtodo Simplex Dual se obtiene
W X1 X2 X3 X4 X5 X6 LD
1 0 0 -40 0 0 -40 -360
0 1 0 1 0 0 -1 3
0 0 1 -1 0 0 2 0
0 0 0 1 1 0 -9 7
0 0 0 0 0 1 -2 1
Se puede leer la solucin ptima lineal entera

P3 = (x1,x2) = (3,0) W = -360
De modo que Z = 360.


Puntos a tratar


Corte entero mixto de Gomory
Sea P un modelo de programacin lineal entera mixta de la

forma:
P min cx
s.a. Ax b
x0
x j entero si j J
J es un conjunto de ndices de
var iables que son requeridas enteras
Sea B una base asociada a x, en tal caso
B1b 0 cBB1N cN 0

x
Sea B = B 1
b B 1
NxN = B 1
b j
B1ajx j = B1b j
y jx j .
Sea k /(xB )k que debe ser entera y no lo es.
1 1 1
Se tiene (xB )k = (B b)k (B NxN )k = (B b)k
descomponer se obtiene

j
ykj x j donde al
(xB )k = (B1b)k +

fk

parte

j
ykj x j
parte fraccional
entera
con 0 < fk < 1.
Si se desea que (xB )k sea entera, entonces se debe cumplir

solo una de las dos condiciones siguientes:

A. (xB )k (B1b)k B. (xB )k (B1b)k + 1

De la restriccin A se tiene que:
(xB )k (B 1b)k = fk

j
ykj x j 0 (2)
De la restriccin B se tiene que:
(xB )k (B1b)k = fk

j
ykj x j 1 (3)
{
Se definen J+ = j / ykj > 0 } , {
J = j / ykj < 0}
En funcin de J+ y J las restricciones (2) y (3) implican:

fk ykj x j fk ykj x j 0 fk ykj x j 0 ykj x j fk (4)

jJ+ j jJ+ jJ+
fk ykj x j fk ykj x j 1 fk ykj x j 1 ykj x j 1 fk

(5)
jJ j jJ jJ
fk
Multiplicando ambos miembros de (5) por > 0 se tiene:
1 fk
fk j

1 fk
yk x j fk

(6)
jJ
Como las condiciones (4) y (6) son exclusivas (por definicin)

se pueden combinar para obtener la restriccin

fk j

1 fk
yk x j

ykj x j fk
(7)
jJ jJ+
A la restriccin (7) se le conoce como CORTE ENTERO

MIXTO DE GOMORY.
La restriccin (7) es una condicin necesaria para lograr

que (xB )k sea entera.

Ejemplo 4. Corte entero mixto de Gomory
Considere el siguiente modelo de programacin entera mixta
Max Z = x1 + 3x2
s.a. x1 + 2x2 10
x1 + 3x2 3
x1, x2 0 , x1 entero
que resulta equivalente al modelo
Min W = Z = x1 3x2
s.a. x1 + 2x2 10
x1 + 3x2 3
x1, x2 0 , x1 entero

En la forma estndar se tiene:

Min W = x1 3x2
s.a. x1 + 2x2 + x3 = 10
x1 + 3x2 + x4 = 3
x1, x2 , x3 , x4 0 , x1 entero
El tablero ptimo viene dado por
W X1 X2 X3 X4 LD
1 0 0 -6/5 -1/5 -63/5
0 1 0 3/5 -2/5 24/5
0 0 1 1/5 1/5 13/5
Se puede leer la solucin ptima P1 = (x1,x2) = (24/5,13/5)

W = -63/5
El primer corte de Gomory viene dado por la restriccin
4
f1 3 3 2 3 4
y1 x 4 y1 x3 f1
4 5
.
4 5 4
x x3
1 f1 5 1 5
5 5
8 3 4
x4 x3
5 5 5



3 8 5
x3 x4 x1 + 6x2 10
5 5 5
Al introducir el corte 3 x3 8 x4 + x5 = 4 al tablero ptimo:

5 5 5
W X1 X2 X3 X4 X5 LD
1 0 0 -6/5 -1/5 0 -63/5
0 1 0 3/5 -2/5 0 24/5
0 0 1 1/5 1/5 0 13/5
0 0 0 -3/5 -8/5 1 -4/5

factibilidad.

Despus del aplicar el Mtodo Simplex Dual se obtiene:
W X1 X2 X3 X4 X5 LD
1 0 0 -9/8 0 -1/8 -25/2
0 1 0 3/4 0 -1/4 5
0 0 1 1/8 0 1/8 5/2
0 0 0 3/8 1 -5/8 1/2
Se puede leer la solucin ptima P2 = (x1,x2) = (5,5/2)

W = -25/2
De modo que Z = 25/2.


Pensamiento de hoy
Un experto es aquel que ya ha

cometido todos los errores
posibles en una materia muy
concreta.
Niels Bohr

Modelo Corte PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modelo Corte PDF

Transféré par

Droits d'auteur :

Formats disponibles

25 de Junio de 2012

1. Idea bsica de los mtodos de corte

Programacin Entera Jos Luis Quintero 2

La idea bsica de los mtodos de corte consiste en

Esta reestructuracin del espacio de soluciones se

Programacin Entera Jos Luis Quintero 3

Los mtodos de corte tienen la importancia

El primer algoritmo finito de cortes se debe a R.

Programacin Entera Jos Luis Quintero 4

PASO 1. Resolver el modelo de programacin lineal continuo

PASO 2. Utilice el mtodo de corte para generar un plano de

Programacin Entera Jos Luis Quintero 5

1. Idea bsica de los mtodos de corte

Programacin Entera Jos Luis Quintero 6

Un modelo de minimizacin de PL, puede ser

Programacin Entera Jos Luis Quintero 7

Con Ax = b se puede hacer la particin A = (B N),

Programacin Entera Jos Luis Quintero 8

Al desarrollar BxB + NxN = b para obtener xB basta

Programacin Entera Jos Luis Quintero 9

donde es el conjunto de ndices no bsico

Si x es una solucin ptima entonces la base

Programacin Entera Jos Luis Quintero 10

1. Idea bsica de los mtodos de corte

Programacin Entera Jos Luis Quintero 11

En l se observa que todos los coeficientes de costos son no

Programacin Entera Jos Luis Quintero 12

Programacin Entera Jos Luis Quintero 13

Luego, para hacer no negativo el elemento 4 del LD, se debe

lo cual llevara a entrar a la base a x1 o a x3.

Programacin Entera Jos Luis Quintero 14

La seleccin de la variable que se debe hacer entrar a la base

La idea es pivotear donde se desmejore lo menos posible el

Programacin Entera Jos Luis Quintero 15

1. Elija la fila pivote que corresponda al elemento del vector de

2. Elija la columna pivote haciendo el TRM entre los

Programacin Entera Jos Luis Quintero 16

En el ejemplo actual la fila pivote es la sombreada:

Programacin Entera Jos Luis Quintero 17

Ahora se procede con la siguiente fila pivote, la cual se ha

Programacin Entera Jos Luis Quintero 18

El TRM indica la columna pivote:

Programacin Entera Jos Luis Quintero 19

Programacin Entera Jos Luis Quintero 20

1. Idea bsica de los mtodos de corte

Programacin Entera Jos Luis Quintero 21

Programacin Entera Jos Luis Quintero 22

Luego, en la solucin ptima se tiene:

Es decir, si en el tablero ptimo, la holgura de la nueva

Programacin Entera Jos Luis Quintero 23

Al llevar la nueva restriccin a la forma se tiene:

Como la solucin pasa a ser infactible, se agrega la nueva

Programacin Entera Jos Luis Quintero 25

Se gana forma cannica y se llega al tablero:

a partir del cual se puede aplicar el Mtodo Simplex Dual

Programacin Entera Jos Luis Quintero 26

1. Idea bsica de los mtodos de corte

Programacin Entera Jos Luis Quintero 27

Sea P un modelo de programacin lineal entera pura de la

Sea B una base asociada a x, en tal caso

Programacin Entera Jos Luis Quintero 28

con 0 < fk < 1 , 0 < gkj < 1 .

Como 0 < fk < 1 y