Professional Documents
Culture Documents
inversin
x
y
rendimiento
0,1x
0,08y
210000
0,1x+0,08y
Condiciones que deben cumplirse (restricciones):
R1
R2
R3
R4
Dibujamos las rectas auxiliares asociadas a las restricciones para
conseguir la regin factible (conjunto de puntos que cumplen esas
condiciones)
r1
r2 (paralela a OY)
r3(paralela a
r4
OX)
x
0
210000
y
210000
0
x
130000
y
0
x
0
y
60000
x
0
130000
y
0
65000
N
X
Y
Bizcocho
1.x
1.y
150
Relleno
0,250x
0,500y
50
Beneficio
250x
400y
0.25x+0.50y=50, x + 2y=200
X
0
Y
10
0
0
200
Para x + y =150
X
0
15
0
Y
15
0
0
X
0
200
Y
0
-125
MTODO SIMPLEX
El Mtodo Simplex publicado por George Dantzig en 1947 consiste en
un algoritmo iterativo que secuencialmente a travs de iteraciones se
va aproximando al ptimo del problema de Programacin Lineal en
caso de existir esta ltima.
La primera implementacin computacional del Mtodo Simplex es el
ao 1952 para un problema de 71 variables y 48 ecuaciones. Su
resolucin tarda 18 horas. Luego, en 1956, un cdigo llamado RSLP1,
implementado en un IBM con 4Kb en RAM, admite la resolucin de
modelos con 255 restricciones.
Min
sa
...
xi >= 0,
...
...
i = 1, 2, ..., n
m <= n
EJEMPLO
P)
Max
sa
9u + 2v + 5z
4u + 3v + 6z <= 50
u + 2v - 3z >= 8
2u - 4v + z = 5
u,v >= 0
z e IR
1. Siempre es posible llevar un problema de maximizacin a uno
de minimizacin. Si f(x) es la funcin objetivo a maximizar
y x* es la solucin ptima f(x*) >= f(x), para todo x factible. f(x*) <= - f(x), para todo x factible. En consecuencia: x* es
tambin mnimo de -f(x)
2. Cada restriccin del tipo <= puede ser llevada a una ecuacin
de igualdad usando una (nueva) variable de holgura no
negativa, con coeficiente nulo en la funcin objetivo.
3. Cada restriccin del tipo >= puede ser llevada a una ecuacin
de igualdad usando una (nueva) variable de exceso no
negativa, con coeficiente nulo en la funcin objetivo.
4. Siempre es posible escribir una variable libre de signo como la
diferencia de dos variables no negativas.
Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1
= x5 (holgura), s2 = x6 (exceso), el problema P) puede ser escrito
en forma equivalente como:
Min
sa:
x5
2x1 - 4x2 + x3
xi >= 0,
= 50
- x6 = 8
x4
= 5
i=1,2,3,4,5,6.
EJEMPLO:
Resolver el siguiente problema de Programacin Lineal utilizando
el Mtodo Simplex:
Max
40*X1 + 60*X2
s.a.
X1 >= 0 X2 >= 0
Para poder aplicar el Mtodo Simplex, es necesario llevar
su formato estndar, para lo cual definimos X3, X4, X5
las respectivas variables de holgura para la restriccin
esta forma queda definida la tabla inicial del mtodo de
forma:
X1
X2
X3
X4
X5
70
40
90
-40
-60
el modelo a
>= 0 como
1, 2 y 3. De
la siguiente
X2
X3
X4
X5
5/3
-1/3
40
2/3
-1/3
10
1/3
1/3
30
-20
20
1800
X2
X3
X4
X5
-5/2
1/2
15
3/2
-1/2
15
-1/2
1/2
25
30
10
2100
1.
2.
3.
4.
Sujeto a
X1 + 2x2 + x3 = 1000
X2 + x5 = 400
Xj 0, j=1,2,3,4,5
x1
x2
x3
x4
x3
x4
x5
C-Z:
x5
1000
500
1800
900
400
400
200
ingresa x2 sale x5
x3
-2
200
x4
-2
1000
333.333
x2
400
Inf
C-Z: 3
-4
ingresa x1 sale x4
x1
-2
200
-100
x4
-3
400
100
x2
400
400
C-Z: 0
-3
x1
1.0
x5 0
-0.5
-0.75
0.5
0.25
1.
400.0
100.0
x2 0
1.0
C-Z:
0.75
-0.25
0 -1.5000 -0.5000
300.0
P)
Max
2X1 + X2
sa
X1, X2 >= 0
Se debe agregar X3 como variable de holgura de la restriccin 1, X4
como variable de exceso de la restriccin 2 y X5 variable auxiliar para
poder comenzar la Fase 1. (Ntese que solo agregando X3 como
variable de holgura a la restriccin 1 y X4 como variable de exceso a
las segunda restriccin no se obtiene una solucin bsica factible
inicial, en particular X4<0).
F1)
sa
...............10X1 + 10X2 + X3
10X1 + 5X2
Min
= 9
- X4 + X5 = 1
X5
X2
X3
X4
X5
10
10
10
-1
X2
X3
X4
X5
10
10
10
-1
-10
-5
-1
X2
X3
X4
X5
-1
1/2
-1/10
1/10
1/10
X2
X3
X4
1/2
-1/10
1/10
-2
-1
X2
X3
X4
1/2
-1/10
1/10
-1/5
1/5
X2
X3
X4
1/10
9/10
1/5
9/5
Donde la solucin
ptimo V(P) = 9/5.
ptima
es: X1=9/10
X2=0
Con
valor
60
0 180
40
-2 -2 -4
3x1 + 2x2
2x1 + x2 <= 2
3x1 + 4x2 >= 12
x1,x2 >= 0
x5
2x1 + x2 + x3 = 2
3x1 + 4x2 -x4 + x5= 12
x1,x2,x3,x4,x5 >= 0
-1
12
-5
-4
-1
5
0
4
0
EJEMPLO PROBLEMA NO ACOTADO:
-4
2x1 + x2
x1 - x2 <= 10
2x1 <= 40
x1,x2 >= 0
X2
X3
X4
-1
10
40
-2
-1
3x1 + 2x2
5x1 + 2x2 <= 140
3x1 + 2x2 <= 120
x1,x2 >= 0
X3
X4
1/2
-1/2
10
-3/4
5/4
45
120
Z = f(x,y) = 3x + 2y
sujeto a:
2x + y 18
2x + 3y 42
3x + y 24
x0,y0
x pasa a ser X1
y pasa a ser X2
- exceso + artificial
+ artificial
+ holgura
Tabla I . Iteracin n 1
2
Base
Cb
P0
P1
P2
P3
P4
P5
P3
18
P4
42
P5
24
-3
-2
Condicin de parada.
Si el objetivo es la maximizacin, cuando en la ltima fila (fila indicadora) no
existe ningn valor negativo entre los costes reducidos (columnas P 1 en
adelante) se alcanza la condicin de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de
mejora. El valor de Z (columna P0) es la solucin ptima del problema.
Otro caso posible es que en la columna de la variable entrante a la
base todos los valores son negativos o nulos. Esto indica que el problema
no se encuentra acotado y su solucin siempre resultar mejorable. Ante
esta situacin no es necesario continuar iterando indefinidamente y tambin
se puede dar por finalizado el algoritmo.
De no ser as, se ejecutan los siguientes pasos de forma iterativa.
pivote y columna
pivote marca
Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:
42
1/3
1/3
Nueva fila P4
26
7/3
-2/3
Base
Cb
P0
P1
P2
P3
P4
P5
P3
1/3
-2/3
P4
26
7/3
-2/3
P1
1/3
1/3
24
-1
Base
Cb
P0
P1
P2
P3
P4
P5
P2
-2
P4
12
-7
P1
-1
30
-1
Tabla IV . Iteracin n 4
2
Base
Cb
P0
P1
P2
P3
P4
P5
P2
12
-1/2
1/2
P5
-7/4
1/4
P1
3/4
-1/4
33
5/4
1/4