P. 1
Método Simplex

Método Simplex

4.84

|Views: 44.575|Likes:
Publicado porripachec
Instrucciones para el método Simplex de optimización (programación lineal)
Instrucciones para el método Simplex de optimización (programación lineal)

More info:

Published by: ripachec on Mar 07, 2008
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/15/2015

pdf

text

original

Método Simplex.

Variables de holgura: Siempre positivas, hacen que una restricción que sea desigualdad se transforme en igualdad, y sus coeficientes en la función objetivo son ceros. Variables ficticias o artificiales: Sirven para hallar fácilmente una solución básica inicial, sus coeficientes en la función objetivo son w si es minimización o -w si es maximización; w es un número mucho mayor que todos los participantes. Luego de sumar las variables de holgura y/o artificiales necesarias para convertir las desigualdades en igualdades y para obtener los vectores unitarios (de la matriz identidad) para la base inicial se procede a ordenar los datos en una tabla Simples; después se prueba la solución para ver si es óptima, si no es óptima se realiza el siguiente procedimiento: Se calculan los valores de zj multiplicando los coeficientes de la base por cada columna, uno a uno, y sumando esos resultados. Luego se calculan los valores de zj - cj; si es minimización el valor más grande de zj - cj designa a la columna clave, y si es maximización el valor más pequeño de zj - cj designa a la columna clave. Se calculan las razones entre la cantidad solución y sus correspondientes de la columna clave, para los valores positivos de la cantidad solución; el valor mínimo de estas razones designa a la fila clave. El elemento que se encuentra en la intersección de la columna clave con la fila clave se llama pivote. El vector de la fila clave se reemplaza por el de la columna clave en la base, luego se transforma la matriz ampliada (A | B) para que el pivote sea igual a 1 y los demás elementos de ese vector sean ceros; y se ordenan nuevamente estos datos en una tabla Simples.

La solución óptima se reconoce cuando la cantidad solución tiene sólo cantidades no negativas; si es minimización los valores de zj - cj son todos no positivos, y si es maximización los valores de zj - cj son todos no negativos.

Ejemplo 1
Minimizar C = 2x1 + 10x2 sujeta a 2x1 + x2 ≤ 6 5x1 + 4x2 ≥ 20 x1, x2 ≥ 0 En este caso son necesarias dos variables de holgura, x3 y x4, al agregarlas el problema queda: Minimizar C = 2x1 + 10x2 + 0x3 + 0x4 sujeta a 2x1 + x2 + x3 = 6 5x1 + 4x2 - x4 = 20 x1, x2 ≥ 0 ⎛2 1 1 0 6 ⎞ La matriz ampliada (A, B) queda ( A, B ) = ⎜ ⎜ 5 4 0 − 1 20 ⎟ ⎟ ⎝ ⎠ Es necesario agregar la variable artificial x5 para obtener lo siguiente: Minimizar C = 2x1 + 10x2 + 0x3 + 0x4 + wx5 sujeta a 2x1 + x2 + x3 = 6 5x1 + 4x2 - x4 + wx5 = 20 x1, x2 ≥ 0 P1 P2 P3 P4 P5 ⎛2 1 1 0 0 6 ⎞ Se tiene la matriz ampliada ( A, B ) = ⎜ ⎜ 5 4 0 − 1 1 20 ⎟ , luego la base inicial es {P3, P5}. ⎟ ⎝ ⎠ Tabla Simplex N°1 Cj 2 10 Base P1 P2 0 P3 1 2 w P5 5 4 Zj 5w 4w Zj - Cj 5w - 2 4w - 10 0 P3 1 0 0 0 0 P4 0 -1 -w -w w P5 Cantidad solución 0 6 1 20 w 20w 0

Base inicial {P3, P5} Solución inicial {(6, 20)} Zj - Cj máximo = 5w – 2, por lo que entra P1 a la base ⎧ 6 20 ⎫ 6 Mínimo ⎨ , ⎬ = , luego sale P3 de la base ⎩2 4 ⎭ 2 Pivote = 2 Calculando las nuevas entradas de la tabla Simplex:

0 0 3⎞ ⎛ 2 1 1 0 0 6 ⎞ (1/2) ⎛ 1 1 / 2 1 / 2 0 0 3 ⎞ (- 5) ⎛ 1 1 / 2 1 / 2 ⎜ ⎟ ⎟ ~⎜ ~⎜ ⎜ 5 4 0 − 1 1 20 ⎟ ⎜5 4 ⎜ 0 3 / 2 − 5 / 2 − 1 1 5⎟ ⎟ 0 − 1 1 20 ⎟ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠

Tabla Simplex N°2 Cj 2 10 0 Base P1 P2 P3 2 P1 1 1/2 1/2 w P5 0 -5/2 3/2 Zj 2 1 + (3/2)w 1 – 5/2(w) Zj - Cj 0 -9 + (3/2)w 1 – 5/2(w) 0 P4 0 -1 -w -w w P5 Cantidad solución 0 3 1 5 w 6 + 5w 0

Nueva base {P1, P5} Solución {(3, 5)} Zj - Cj máximo = -9 + (3/2)w, por lo que entra P2 a la base 5 ⎫ 5 ⎧ 3 Mínimo ⎨ , luego sale P5 de la base , ⎬= ⎩1 / 2 3 / 2 ⎭ 3 / 2 Pivote = 3/2 Calculando las nuevas entradas de la tabla Simplex: ⎛1 ⎜ ⎜0 ⎝ ⎛1 ⎜ ⎜0 ⎝ 1/ 2 0 0 3⎞ 0 0 3 ⎞ ⎛ 1 1/ 2 1/ 2 ⎟ ⎟ (2/3) ~ ⎜ 0 1 − 5 / 3 − 2 / 3 2 / 3 10 / 3 ⎟ (- 1/2 ) ~ ⎜ ⎟ 3 / 2 − 5 / 2 − 1 1 5⎠ ⎝ ⎠ 0 4/3 1/ 3 − 1/ 3 4 / 3 ⎞ ⎟ 1 − 5 / 2 − 2 / 3 2 / 3 10 / 3 ⎟ ⎠ 1/ 2

Tabla Simplex N°3 2 Base P1 2 P1 1 10 P2 0 Zj 2 Zj - Cj 0 Cj 10 P2 0 1 10 0 0 P3 4/3 -5/3 -14 -14 0 w P4 P5 Cantidad solución 1/3 -1/3 4/3 -2/3 2/3 10/3 -6 6 36 -6 6 - w

Por lo tanto la solución óptima con base {P1, P2} es {(4/3, 10/3)} y el valor mínimo de C es 36.

Ejemplo 2
Maximizar Z = 45x1 + 55x2 sujeta a 3x1 + 2x2 ≤ 60 3x1 + 10x2 ≤ 180 x1, x2 ≥ 0 En este caso son necesarias dos variables de holgura, x3 y x4, al agregarlas el problema queda: Maximizar Z = 45x1 + 55x2 + 0x3 + 0x4 sujeta a 3x1 + 2x2 + x3 = 60 3x1 + 10x2 + x4 = 180 x1, x2 ≥ 0

P1 P2 P3 P4 ⎛ 3 2 1 0 60 ⎞ La matriz ampliada (A, B) queda ( A, B ) = ⎜ ⎜ 3 10 0 1 180 ⎟ , luego la base inicial es {P3, P4}. ⎟ ⎝ ⎠

Tabla Simplex N°1 Cj 45 Base P1 0 P3 3 0 P4 3 Zj 0 Zj - Cj -45 55 P2 2 10 0 -55 0 P3 1 0 0 0 0 P4 Cantidad solución 0 60 1 180 0 0 0

Base inicial {P3, P4} Solución inicial {(60, 180)} Zj - Cj mínimo = -55, por lo que entra P2 a la base ⎧ 60 180 ⎫ 180 Mínimo ⎨ , , luego sale P4 de la base ⎬= ⎩ 2 10 ⎭ 10 Pivote = 10 Calculando las nuevas entradas de la tabla Simplex: 2 1 0 60 ⎞ ⎛ 3 2 1 0 60 ⎞ ⎛ 3 ⎛12 / 5 0 1 − 1 / 5 24 ⎞ ⎜ ⎜ 3 10 0 1 180 ⎟ (1/10 ) ~ ⎜ 3 / 10 1 0 1 / 10 18 ⎟ (- 2 ) ~ ⎜ 3 / 10 1 0 1 / 10 18 ⎟ ⎟ ⎜ ⎟ ⎜ ⎟ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ Tabla Simplex N°2 Cj Base 0 P3 55 P2 Zj Zj - Cj 45 P1 12/5 3/10 33/2 -67/2 55 P2 0 1 55 0 0 P3 1 0 0 0 0 P4 Cantidad solución -1/5 24 1/10 18 11/2 990 11/2

Nueva base {P3, P2} Solución {(24, 18)} Zj - Cj mínimo = -67/2, por lo que entra P1 a la base 18 ⎫ 24 ⎧ 24 Mínimo ⎨ , luego sale P3 de la base , ⎬= ⎩12 / 5 3 / 10 ⎭ 12 / 5 Pivote = 12/5 Calculando las nuevas entradas de la tabla Simplex:

0 5 / 12 − 1 / 12 10 ⎞ (- 3/10) ⎛ 1 0 5 / 12 − 1 / 12 10 ⎞ ⎛12 / 5 0 1 − 1 / 5 24 ⎞ (5/12) ⎛ 1 ⎜ ⎟ ⎟ ~⎜ ~⎜ ⎜ 3 / 10 1 ⎜ 0 1 − 1 / 8 1 / 8 15 ⎟ ⎟ ⎜ 3 / 10 1 0 1 / 10 18 ⎟ 0 1 / 10 18 ⎟ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
Tabla Simplex N°3 Cj Base 45 P1 55 P2 Zj Zj - Cj 45 P1 1 0 45 0 55 P2 0 1 55 0 0 P3 5/12 -1/8 95/8 95/8 0 P4 Cantidad solución -1/12 10 1/8 15 25/8 1275 25/8

Por lo tanto la solución óptima con base {P1, P2} es {(10, 15)} y el valor máximo de Z es 1275.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->