Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Investigación Operativa Programación Lineal Algoritmo Simplex Profesor: Ing. Carlos A. Martin E-mail: ing_carlos_martin@hotmail.com Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR • PRESENTACIÓN En este capítulo se presenta el método simplex de solución de problemas de programación lineal incluyendo problemas de maximización y minimización. • OBJETIVO GENERAL Al finalizar el capítulo el estudiante debe estar en capacidad de solucionar un problema de programación lineal utilizando el método simplex; así como interpretar correctamente la solución y analizar el consumo de recursos. • OBJETIVOS ESPECÍFICOS • Manejar las reglas de equivalencia para llevar todas las desigualdades a igualdades. • Dominar el procedimiento de avance hacia la Optimalidad del método simplex. • Determinar mediante el método simplex el momento en el que se llega a la solución óptima, tanto en problemas de maximización como de minimización. • Identificar el tipo de solución del problema con el uso de la tabla simplex. • Interpretar las soluciones arrojadas. • COMPETENCIAS El estudiante tendrá la capacidad de utilizar el método simplex en la solución de problemas de programación lineal; y con base en ésta interpretar el tipo de solución del problema; así como el uso de variables de holgura, de exceso y artificiales. • INDICADORES DE LOGRO El estudiante deberá demostrar el manejo en el planteamiento de modelos de programación lineal, obtener la solución a través el método simplex e interpretar la solución. • CONOCIMIENTOS PREVIOS • Gauss Jordan. • Vectores y matrices. Ing. Carlos Martin Introducción Resumen del Método de GAUSS-JORDAN. Armado de la solución inicial: Conversión de desigualdades a ecuaciones (Variables de Holgura). La Tabla Simplex (Tabla de Charnes, Cooper y Anderson): La columna de las cantidades, tasas de sustitución, el renglón Z, El renglón (Zj-Cj). La primera solución mostrada en la Tabla Simplex. Álgebra del Método Simplex: Criterios para ingresar y extraer variables de la solución. Transformación de la base: Relaciones con el Método Gauss - Jordan. Prueba de Factibilidad Prueba de Optimalidad: Solución Óptima. Formulación de varios problemas: Soluciones Óptimas no Acotadas; Soluciones Óptimas Múltiples; Problemas no Solubles; Degeneración y convergencia del algoritmo Simplex: Caso de empate entre variables de salida y reglas lexicográficas. Problemas de Minimización: Técnica de la Base Artificial (Variables Ficticias). Método de Penalización. Método de Doble Fase. Variables sin Restricción de signo. Ejemplos Práctica. Ing. Carlos Martin Investigación Operativa Introducción Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Investigación Operativa Resumen del Método de Gauss-Jordan Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR RECORDEMOS LA SOLUCION MEDIANTE EL METODO DE GAUSS-JORDAN: • Si se obtiene la matriz A'lb' a partir de Alb mediante una OER, los sistemas Ax = b y A'x = b' serán equivalentes. • Cualquier sucesión de OER realizadas sobre la matriz aumentada Alb correspondiente al sistema Ax = b producirá un sistema lineal equivalente. • Con el método de Gauss - Jordan se resuelve un sistema de ecuaciones lineales utilizando sistemáticamente las OER. • Ejemplo: Las variables X1 , X2 y X3 , son variables básicas. El sistema (9’) tiene una solución única X1 = 1, X2 = 2, X3 = 3. Ya que se obtuvo (9') a partir de (8') mediante una sucesión de OER, (8) y (9) son sistemas lineales equivalentes. Así, X1 = 1, X2 = 2, X3 = 3 tiene que ser la solución única de (8). Ing. Carlos Martin Variables Básicas y Variables No Básicas • Para representar un conjunto de soluciones de A‘x=b' (y Ax=b ), necesitamos definir los conceptos de variables básicas y no básicas. • Definición 1: Para cualquier sistema lineal, una variable que aparece con un coeficiente 1 en una sola ecuación y con un coeficiente cero en las otras ecuaciones, se llama variable básica. • Definición 2: Cualquier variable que no es básica, se denomina variable no básica Ing. Carlos Martin Problema de Programación Lineal de Dos V. de D. Consideremos el caso de maximización y que el n° de variables de decisión genuinas es k = 2 Ing. Carlos Martin Es posible transformar las inecuaciones en igualdades introduciendo las variables de holgura (V. H.). Las V. de H. no tienen un beneficio (su coeficiente de beneficio = 0), representan físicamente los sobrantes de cada recurso. i = 1, 2, 3, 4, 5 Ing. Carlos Martin Ing. Carlos Martin Fundamento del Simplex A.- Obtención de las soluciones básicas: • Como cada vértice representa una posible combinación optimizante se le llama “solución básica” (SB). • Para identificar una solución básica (vértice del convexo) se deben hacer n – m Variables de Decisión iguales a cero (5 – 3 = 2), en el plano la intersección de 2 rectas definen un punto). • Luego es posible resolver el sistema (m ecuaciones con m incógnitas) y calcular las coordenadas (x1, x2) de ese vértice y el correspondiente beneficio Z = f (x1, x2). • Procediendo así sobre todos los vértices se puede encontrar el óptimo. Ing. Carlos Martin • El método Simplex se ubica en una solución básica de partida (ej.: X1 = X2 = 0) y luego por combinaciones lineales pasa a otros extremos adyacentes del convexo tratando de que el funcional vaya aumentando. • La solución básica de partida puede ser X1 = X2 = 0, o sea el origen de coordenadas: (x1, x2, x3, x4, x5) = (0, 0, b1, b2, b3) • La matriz de coeficientes de la 1ra solución básica es: • Cada renglón corresponde a una ecuación limitante. • Se puede identificar una Solución Básica por las 3 variables cuyas columnas consisten en 2 ceros y una unidad (+1) en orden de rotación (x3, x4 y x5) • La columna de bi da los valores de las xi que están en la Solución Básica. • Esta Solución Básica no es necesariamente la óptima (ya que para X1 = X2 = 0; Z = 0). Ing. Carlos Martin XA (0, 0, b1, b2, b3) Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin : Valor que toma la variable que será introducida en la base, siempre no negativa Ing. Carlos Martin Ing. Carlos Martin Operaciones Elementales de Matrices Operación 1: Se pueden intercambiar de posición dos filas o columnas. Operación 2: Se puede multiplicar a los elementos de una fila por una constante distinta de cero. Operación 3: Una fila se le puede sumar otra fila previamente multiplicado por una constante distinta de cero. Ing. Carlos Martin • Al elemento que esta en la intersección de la fila de la variable que sale con la columna de la variable entrante, se le denomina Pivot • Es el elemento que en el próximo paso va a tomar el valor 1 (uno), y es por esta fila por la que comenzamos a trabajar. • Entonces para hacer 1 el elemento Pivot vamos a multiplicar toda la fila 2 (F2) por ½ y obtendremos lo siguiente: F2´ = F2 * (1/2) Veamos un Ejemplo Ing. Carlos Martin Ahora debemos hacer cero los elementos que están por encima y por debajo del elemento Pivot. Queremos calcular la primera nueva fila (F1´). Tomamos la fila 2 nueva calculada (F2´), la multiplicamos por el valor opuesto al que queremos hacer cero, en este caso (-2) y la sumamos a la primera fila (F1). En resumen, para la primer fila: F1´ = F2´ * (-2) + F1 Para la tercera fila: F3´ = F2´ * (-1) + F3 Salió la variable S2 y entro la variable X1 Las variables básicas son: S1, X1, S3 Las variables no básicas son: X2, S2 Ing. Carlos Martin B.- OPTIMIZACION DE LA BUSQUEDA DE SOLUCIONES BASICAS Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Investigación Operativa Algebra del Método Simplex Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Este método resuelve el problema de PL por medio de un Ordenamiento Tabular. PASOS A SEGUIR 1. Planteo de la Función Objetivoy las Restricciones 2. Representación Gráfica (si es posible) 3. Primera Solución Básica Factible 4. La Tabla Simplex 5. Calculo de Z y de los Zj – Cj 6. ¿Hemos Llegado a la Solución Óptima? 7. Variable que Sale de la Base: Criterio de Factibilidad 8. Variable que Sale de la Base: Criterio de Factibilidad 9. Transformación Algebraica 10. Se Repiten los Pasos 5, 6, 7, 8, y 9 Ing. Carlos Martin 1. Planteo de la Función Objetivo y las Restricciones Partimos de la forma estándar del PL X i ≥ 0 Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin 2. Representación Gráfica (si es posible) Identificar Soluciones Básicas Factibles Ing. Carlos Martin Ing. Carlos Martin 3. Primera Solución Básica Factible 4. La Tabla Simplex Ing. Carlos Martin http://www.auladeeconomia.com Ing. Carlos Martin 5. Calculo de Z y de los Zj – Cj http://www.auladeeconomia.com 6 ¿Hemos Llegado a la Solución Óptima? Ing. Carlos Martin http://www.auladeeconomia.com Ing. Carlos Martin 7. Variable que Entra a la Base: Criterio de Optimalidad Ing. Carlos Martin 8. Variable que Sale de la Base: Criterio de Factibilidad Ing. Carlos Martin 9. Transformación Algebraica Ing. Carlos Martin Ing. Carlos Martin 10. Se Repiten los Pasos 5, 6, 7, 8, y 9 MÉTODOS Y MODELOS DE INVESTIGACIÓN DE OPERACIONES VOL. 1 - JUAN PRAWDA Ing. Carlos Martin INVESTIGACION DE OPERACIONES TAHA Ing. Carlos Martin INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES HILLER Ing. Carlos Martin INVESTIGACIÓN DE OPERACIONES WINSTON Ing. Carlos Martin Investigación Operativa Ejemplo Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin BIBLIOGRAFIA Prawda Witenberg J. “Métodos y Modelos de Investigación de Operaciones – Vol. 1 Modelos Determinísticos”. Editorial Limusa. ©1999 Taha Hamdy A. “Investigación de Operaciones”. Editorial Alfa Omega. ©1998 Winston Wayne L.. “Investigación de Operaciones. Editorial. Grupo Editorial Iberoamericana. ©2005 Hillier Frederick S. “Introducción a la Investigación de Operaciones. Editorial. Mc Graw Hill. ©2001 Eppen G.D. “Investigacion de Operaciones En la Ciencia Administrativa. Editorial Prentice. ©2000 Mathur-Solow – Investigación de Operaciones – Ed. Prentice Hall 1996. MARIN, Isidoro. “Investigación Operativa”. UBA. Centro de Estudiantes Universidad Nacional de Buenos Aires. © 1970 Ing. Carlos Martin Preguntas Ing. Carlos Martin Investigación Operativa Muchas Gracias Profesor: Ing. Carlos A. Martin E-mail: ing_carlos_martin@hotmail.com Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR
Compartir