Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Investigación Operativa Método Simplex: Solución Artificial de Inicio: Método Penal o de la M Grande Método de Dos Fases Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Investigación Operativa Solución Artificial de Inicio: Método Penal o de la M Grande Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Método Penal o de la M grande: Variable Ficticia µ (W o A) • Cuando en el sistema de inecuaciones de restricción, alguna de las inecuaciones tiene una desigualdad del tipo ≥, se tiene que la V. de H. asociada a esa ecuación tiene un coeficiente unitario negativo (-1) en la tabla inicial, lo que la elimina de conformar una SBF. • Cuando alguno de las variables del vértice en estudio es negativa (-) indica que dicho vértice no pertenece al convexo. • La variable µ adicionada “no tiene significado físico” dentro del problema y la SBF no representa vértice real del convexo. Para solucionar este problema se hace un artificio algebraico: se crea una variable “ficticia” µ con coeficiente “+1” en la ecuación (la fila) necesaria para conformar una submatriz unidad dentro de la matriz A [m x n]. Ing. Carlos Martin Método Penal o de la M grande: Concepto de Penalidad • La variable µ, tanto por razones algebraicas, como de significado físico, no puede integrar la solución óptima real debiéndose buscar que la misma salga posteriormente de la base y permanezca fuera de ella, respetando, no obstante, todas las reglas del simplex. • Esto puede realizarse definiendo para la variable adicional ficticia µ un coeficiente de beneficio |M| en el funcional arbitrariamente grande en valor absoluto, y de signo opuesto al objetivo del problema: • Consecuentemente, mientras la variable ficticia µ permanezca en la base, su coeficiente M intervendrá en el cálculo del funcional, dando para éste un resultado indeseado (este es el concepto de penalidad: penalizamos a la variable artificial µ en el funcional). • “No siempre es necesario la introducción de V. ficticia”: El problema que ocasiona el signo (-) en las V. de H. se puede resolver por medio de las variables originales del problema dentro de la matriz de coeficiente se puede hallar una submatriz cuadrada con la configuración DE UNA MATRIZ UNIDAD. • Es por ello que no constituye una regla fija la inclusión de una variable artificial (µ) en las ecuaciones formadas a partir de relaciones de “≥” o “=”. Ing. Carlos Martin Método Penal o de la M grande Al final del proceso de calculo, hay tres posibilidades: a) Que la variable artificial no aparezca en la última tabla del simplex, lo que indica que el problema tiene solución. b) Que la variable artificial aparezca en la última tabla del simplex con un valor igual a cero, esto significa que el problema tiene solución y la solución es degenerada. c) Que la variable artificial aparezca en la última tabla del simplex, lo que indica que el problema no tiene solución. Ing. Carlos Martin Método Penal o de la M grande: Caso de Incompatibilidad Cuando la solución optima del problema contiene una o mas variables artificiales (i), se esta en presencia de un caso de incompatibilidad entre las restricciones planteadas. No existe solución. El origen debe buscarse en el conjunto de las restricciones del problema, quienes son las que definen la no existencia de posibles soluciones. Por lo tanto, si se ha llegado a una solución óptima y en la base correspondiente hay alguna variable artificial, el óptimo se ha alcanzado mediante una solución no perteneciente al recinto convexo (el recinto no existe). Además como el funcional óptimo está asociado a |M|, siendo |M| un valor arbitrariamente grande, situación que se opone al objetivo del problema. Ing. Carlos Martin SOLUCION ARTIFICIAL DE INICIO: METODO PENAL El origen de coordenadas (solución trivial), no es un punto extremo del convexo. Ing. Carlos Martin Dentro del conjunto de coeficientes, no puede hallarse una submatriz cuadrada Identidad No contamos con una SFB inicial Solución en el Punto Cero: La costumbre de comenzar en el origen, parte del hecho de ser el caso más sencillo de las soluciones posibles Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Se agrega la variable artificial µ1 con coeficiente +1 Ing. Carlos Martin Ing. Carlos Martin En la columna B están los valores independientes del sistema de ecuaciones, es decir, las limitaciones. En el resto de las columnas a la derecha de B, los coeficientes tecnológicos de las variables. Los valores que están en la fila superior del cuadro representan los beneficios unitarios. Para las variables de holgura serán nulos, puesto que sus productos no se venderán. La columna (X) indica las variables x que concretan la primera solución. La columna beneficio C contiene, para cada variable de la columna X, el valor del beneficio por unidad. EXPLICACIONES DE LA TABLA Ing. Carlos Martin El valor del Funcional Z lo obtenemos sumando los productos del elemento de cada fila de la columna B por el respectivo valor de la fila de la columna C. El el valor de Z será: Z = 0 . 6 + (- M) . 6 + 0 . 10 = - 6 M Los Zj los obtenemos sumando los productos del elemento de cada fila de la columna que estamos calculando por el respectivo valor de la fila de la columna C. Para el caso de la columna A1, el valor Z1 será: Z1 = 0 . 1 + (- M) . 3 + 0 . 1 = - 3 M La fila Zj – Cj se calcula restando, para cada columna, al valor de, ZJ correspondiente, el valor CJ que encontramos en la parte superior del cuadro, para esa columna. Así, tenemos: Z1 – C1 = (- 3 M) – (11) = - 3 M - 11 Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Transformación de los coeficientes de la tabla Paso 1: Completar numéricamente la fila de la variable que entra. Transformación de los elementos de la fila de la variable que entra: Dividir todos los elementos por el pivote Paso 2: Completar con ceros y unos las columnas de las variables básicas. Ing. Carlos Martin Transformación de los coeficientes de la tabla Paso 3: Completar numéricamente el resto de las filas. Valores numéricos de la primer fila: 6 – (6 . 1) / 3 = 4 ; 1 – (1 . 2) /3 = 1/3 ; 0 – [1 . (-1)]/3 = 1/3 ; 0 – (1 . 1) / 3 = - 1/3 Valores numéricos de la tercera fila: 10 – (6 . 1) / 3 = 8 ; 2 – (1 . 2) /3 = 4/3 ; 0 – [1 . (-1)]/3 = 1/3 ; 0 – (1 . 1) / 3 = - 1/3 Ing. Carlos Martin Ing. Carlos Martin Análisis de Factibilidad Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Como vemos, la variable artificial µ1=0, no aparece en la tabla optima del simplex, lo que indica que el problema tiene solución. Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Investigación Operativa Ejemplo para convertir un PL de Forma Equivalente a Estándar aplicando las reglas, añadiendo variables de exceso, holgura y artificiales Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Convertir un PL de Forma Equivalente a Estándar Pasamos el problema a la forma estándar, aplicando las reglas; añadiendo variables de exceso, holgura, y artificiales según corresponda. Por medio de la regla 1, la función objetivo queda: Máx h = - Z = - 3 X1 + 4 X2 – X3 Como la restricción 1 es del tipo '≥' se agrega la variable de exceso X4 (-1) y la variable artificial µ1 (+1) Como la restricción 2 es del tipo '=' se agrega la variable artificial µ2 (+1) 0,5 X1 -2 X2 - 1 X4 + 1 µ1 = 3 1 X2 - 1 X3 + 1 µ2 = 4 Ing. Carlos Martin Ing. Carlos Martin Investigación Operativa Solución Artificial de Inicio: • Método de Dos Fases Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR • Cuando no se dispone fácilmente de una solución básica factible, se puede utilizar el método simplex de dos fases como una alternativa para el método de la M Grande. •En el método simplex de dos fases, añadimos variables artificiales a las mismas restricciones como en el método de la M Grande. • Después encontramos una sbf para el PL original, resolviendo el PL Fase l donde la función objetivo es simplemente minimizar la suma de todas las variables artificiales. • Al terminar la Fase I, volvemos a introducir la función objetivo del PL original, y determinamos la solución óptima para el PL original. Ing. Carlos Martin Para tener en cuenta: • Al igual que en el método de la M Grande, podremos omitir la columna, correspondiente a cualquier variable artificial, de cuadros futuros, tan pronto como la variable artificial salga de la base. • Se puede demostrar que el método de la M Grande y la Fase I del método simplex de dos fases, usan la misma secuencia de pivoteos. • La mayoría de los paquetes para computadoras usan el método de dos fases para encontrar una sbf. Esto se debe a que M, siendo un número grande, puede causar errores de redondeo y otras dificultades computacionales. El método de dos fases no introduce números grandes en la función objetivo, y de esta manera evita este problema. Ing. Carlos Martin Obsérvese que los Pasos 1-3 del método simplex de dos fases son idénticos a los Pasos 1-3 del método de la M Grande. • Paso 1 Modifique las restricciones de tal manera que el lado derecho de cada restricción sea no negativo. Esto requiere que se multiplique por -1 cada restricción con un lado derecho negativo. • Paso 1' Identifique cada restricción que es ahora (después del Paso 1) una igualdad o una desigualdad ≥ . En el Paso 3, añadiremos una variable artificial a cada una de estas restricciones. • Paso 2 Transforme cada restricción que sea desigualdad a la forma estándar. Esto implica que si la restricción i es una restricción , añadiremos una variable de holgura S¡, y si la restricción i es una restricción ≥, restaremos una variable de excedente e¡. Ing. Carlos Martin • Paso 3 Si ( después de completar el Paso 1') la restricción i es una desigualdad ≥ o una igualdad, añada una variable artificial a¡ a la restricción i. También añada la restricción de signo ai ≥ 0. • Paso 4 Por el momento, ignore la función objetivo del PL original. En su lugar, resuelva un PL cuya función objetivo es min w' = (la suma de todas las variables artificiales). Esto se llama el PL Fase l. La solución del PL Fase I hará las variables artificiales necesariamente iguales a cero. Ing. Carlos Martin • Ya que cada a¡ ≥ 0, la solución del PL Fase I corresponded a una de los tres casos siguientes: • Caso 1 El óptimo valor de w‘ es mayor que cero. En este caso, el PL original no tiene una solución factible. • Caso 2 El valor óptimo de w‘ es igual a cero, y no hay variables artificiales en la base óptima de la Fase l. En este caso, omitimos todas las columnas que corresponden a las variables artificiales, en el cuadro óptimo de la Fase l. Ahora combinamos la función objetivo original con las restricciones del cuadro óptimo de la Fase l. Esto produce el PL Fase II. La solución óptima del PL Fase II, es la solución óptima para el PL original. Ing. Carlos Martin • Caso 3 El óptimo valor de w' es igual a cero, y por lo menos una variable artificial está en la base óptima de la Fase l. En este caso, podemos encontrar la solución óptima para el PL original, si al final de la Fase I, omitimos, del cuadro óptimo de la Fase I, todas las variables artificiales no básicas y cualquier variable del problema original con un coeficiente negativo en el renglón 0 del cuadro óptimo de la Fase l. Ing. Carlos Martin Investigación Operativa Método de Las Dos Fases Caso II (w' = 0) Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Ejemplo: Min Z = 2X1 + X2 + 3X3 Sujeto a: 3X1 + X2 + 2X3 <= 10 X1 - 2X2 + 3X3 >= 6 2X1 + 3X2 - X3 <= 9 X 1 + X2 + 2X3 = 7 C.N.N (Condición de No Negatividad) 1. Convertir las desigualdades en igualdades: En resumen el modelo queda de la siguiente manera: Min Z = 2X1 + X2 + 3X3 + 0S1 + 0S2 + A1 + 0S3 + A2 Sujeto a: 3X1+ X2 + 2X3 + S1 = 10 X1 - 2X2 + 3X3 - S2 + A1 = 6 2X1+ 3X2 - X3 + S3 = 9 X1+ X2 + 2X3 + A2 = 7 C.N.N (Condición de No Negatividad) Ing. Carlos Martin Método de las Dos Fases: Fase 1 Ing. Carlos Martin Método de las Dos Fases: Fase 1 Ing. Carlos Martin Método de las Dos Fases: Fase 2 Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Ing. Carlos Martin Investigación Operativa Método de Las Dos Fases Caso I (w' 0) Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR Después de completar los Pasos 1-4 del método simplex de dos fases, obtenemos el siguiente problema de Fase I: De este conjunto de ecuaciones, vemos que la sbf inicial para la Fase I es s1=4, a2 = 36, y a3 = 10. Ing. Carlos Martin Como las variables básicas a2 y a3 se presentan en la función objetivo de la Fase I, hay que eliminarlas del renglón 0 de la Fase l. Para lograr esto, sumamos los renglones 2 y 3 al renglón 0: Como ninguna variable en el renglón tiene un coeficiente positivo, se trata de un cuadro óptimo de la Fase I. Como el valor óptimo de w‘ = 6 (> 0), el PL original no tiene una solución factible. Ing. Carlos Martin Investigación Operativa Método de Las Dos Fases Caso III (w' = 0) Facultad de Ingeniería Universidad Nacional de Jujuy, Jujuy, AR MÉTODO DE LAS DOS FASES: CASO III (El óptimo valor de w' = 0 , y por lo menos una variable artificial está en la base óptima de la Fase I.) 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