Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema3 PDF
Tema3 PDF
Algoritmo de las
Dos Fases.
3.1 Motivaci
on Gr
afica del metodo Simplex.
3.2 El metodo Simplex.
3.3 El metodo Simplex en Formato Tabla.
3.4 Casos especiales en la aplicaci
on del algoritmo.
3.4.1 Degeneraci
on.
3.4.2 Optimos
alternativos.
3.4.3 Problema no acotado.
3.4.4 Problema Imposible.
3.5 El Algoritmo de las dos Fases.
3.5.1 Problema imposible.
3.5.2 Problema posible.
1
z=+
c, direccin de mejora
Problema Acotado
Existe una solucin ptima nica
Problema acotado
c, direccin de mejora
Problema acotado
c, direccin de mejora
H1
10
H2
H3
10
H3
cuya soluci
on es:
E = 9/2, D = 11/2, H3 = 3/2
( E,
D,
H1 ,
H2 ,
H3 )
10
(0,0) Soluci
on posible
10
-9
-6
(0,10) no es soluci
on posible
(0,1) Soluci
on posible
-3
(0,4) no es soluci
on posible
10
11
(10,0) Soluci
on posible
Sistema Incompatible
-1
11
(-1,0) no es soluci
on posible
9/2
11/2
-3/2
(6,4) Soluci
on posible
(3,4) Soluci
on posible
(9/2,11/2) no es soluci
on posible
mo obtener los ve
rtices
Co
del
conjunto de soluciones de un PPL
Para un problema cuya forma estandar incluya un sistema de m ecuaciones linealmente independientes y n incognitas, los vertices del poliedro se obtienen resolviendo los sistemas de m ecuaciones con m
incognitas que resultan al igualar a cero subconjuntos de n m variables.
Solo seran soluciones posibles (v
ertices) aquellos puntos cuyas variables, tanto de holgura como originales sean no negativas.
n algebra
ica
Formalizacio
PPL
Min
z = ct x
s.a.:
Ax = b
x 0n
, c=
A = (B, N ), x =
xN
cN
Min
s.a.:
ctB xB ctN xN = 0
BxB + N xN = b
xB 0, xN 0
B 1 (BxB + N xN ) = B 1 b
(B 1 B)xB + (B 1 N )xN = B 1 b
xB + (B 1 N )xN = B 1 b
b1
.
..
b := B 1 b = bi , yj := B 1 aj
.
.
.
bm
bi := valor de la variable b
asica asociada a la ecuaci
on i-esima
yij := coeficiente de la variable no b
asica j-esima en la ecuaci
on i-esima
8
z = ctB xB + ctN xN
xB = B 1 b (B 1 N )xN
z=
ctB (B 1 b) (ctB B 1 N cN ) xN
| {z }
|
{z
}
valor objetivo costes reducidos
xB
B 1 b
x= =
xN
0
Cuyo valor objetivo es:
z = ctB (B 1 b)
10
Min
z = ct x
s.a.:
xS
en donde, S 6= .
Inicializaci
on
Escrbase el Problema de Programaci
on Lineal en forma est
andar. Sea
PL
Min
z = ct x
s.a.:
Ax = b
x 0n
13
Iteraci
on
Paso 1: Sea, xB = B 1 b, y xN = 0nm , la SPB actual. Hacer,
b = B 1 b, y z = ct xB . Ir al Paso 2.
B
Paso 2: Calcular los costes reducidos de las variables no basicas.
zj cj = ctB B 1 aj cj , j N
siendo aj la columna asociada a la variable xj en A.
a) Si zj cj 0, j N , Stop.
xB := B 1 b y xN := 0nm z = ctB B 1 b.
b) En otro caso, elegir xk como nueva variable basica entrante,
siendo k el ndice para el que se alcanza el maximo de los
costes reducidos,
zk ck = max{zj cj }.
jN
Ir al Paso 3.
14
{ak }, N := N \ {k}
15
{r}. Ir al Paso 1.
Min z
s.a.:
s.a.:
Ax = b
x 0n
z ct x = 0
Ax = b
x 0n
z ctB xB ctN xN = 0
BxB + N xN = b
xB 0m , xN 0nm
16
xB = B 1 b B 1 N xN ,
z+ 0xB
xB
B 1 N xN
xB
xB
Im
xN
= ctB B 1 b
= B 1 b
RHS
ctB B 1 N ctN
(zj cj = ctB B 1 aj cj )
B 1 N , (yk = B 1 ak )
17
ctB B 1 b
B 1 b, (bi )
Fila 0
z = ctB B 1 b
Fila 1-m
xB = B 1 b
...
xBr
...
xBm
...
xj
...
xk
...
RHS
...
...
...
zj c j
...
zk ck
...
cB b
xB1
.
..
1
.
..
...
0
.
..
...
0
.
..
...
y1j
.
..
...
y1k
.
..
...
xBr
.
..
0
.
..
...
1
.
..
...
0
.
..
...
yrj
.
..
...
yrk
.
..
...
b1
.
..
br
xBm
...
...
...
ymj
...
ymk
...
Variable de entrada, zk ck = m
ax{zj cj } xk
jN
br
bi
Variable de salida,
= mn {
: yik > 0} xBr
1im yik
yrk
18
.
..
bm
Tabla despu
es de pivotar
xB1
. . . xBr . . .
xBm
. . . xj . . .
ck zk
yrk
. . . (zj cj ) - y rj (zk ck ) . . .
...
...
xB1
. . . yy1k . . .
..
.
..
.
..
.
..
.
xk
..
.
..
.
..
.
..
.
xBm
. . . yymk . . .
rk
...
1
yrk
rk
...
xk . . .
rk
. . . y1j
yrj
y
yrk 1k
...
..
.
...
yrj
yrk
...
1 ...
rk
b1
...
{ak }
0 ...
y1k
b
yrk r
..
.
br
yrk
..
.
yrj
y
yrk mk
0 ...
cB b (zk ck ) ybr
..
.
..
.
. . . ymj
0 ...
RHS
..
.
bm
ymk
b
yrk r
Ejemplo: Optimo
Unico
Min
3x1 + x2
sa:
x1 + 2x2 + x3 = 4
x1 + x2 + x4 = 1
xi 0, i = 1, 2, 3, 4
Dada,
B = {a1 , a4 } =
B 1 b =
4
5
xt = (4, 0, 0, 5)
z2 c2 = (3, 0)
c
=
(3,
0)
3
3
1
20
2
1
0
1
1 = 7
1
0
0 = 3
Ejemplo: Optimos
Alternativos
Min
2x1 4x2
sa:
x1 + 2x2 + x3 = 4
x1 + x2 + x4 = 1
xi 0, i = 1, 2, 3, 4
Dada,
B = {a1 , a4 } =
B 1 b =
4
5
xt = (4, 0, 0, 5)
z2 c2 = (2, 0)
c
=
(2,
0)
3
3
1
Optimos:
(4, 0, 0, 5), 32 , 53 , 0, 0 , z = 8
21
2
1
0
1
(4) = 0
1
0
0 = 2
n
Ejemplo: No Acotacio
Min
x1 3x2
sa:
x1 2x2 4
x1 + x2 3
x1 0, x2 0
Dada,
B = (a2 , a3 ), B 1 =
B 1 b =
c
=
(3,
0)
1
1
zj cj ==
c
=
(3,
0)
4
4
22
xt = (0, 3, 10, 0)
10
1
1
1
2
(1) = 4> 0
0
1
0 = 3
y1 = B 1 a1 =
1
1
02
ct
= (1, 3, 0, 0)
on
y1
e1
1
0
3 1
lm
z = 9 4x1 =
x1 , x1 0 ,
+
x
10 1
0
0
23
z = ct x
s.a.:
xS
Min
z = ct x
s.a.:
Ax = b
x 0n
Min z = 1t xa
s.a.:
s.a.:
Ax = b
x0
Ax + xa = b
x, xa 0
Ir a la Fase 2.
Si xa 6= 0
25
26
Como?
1. Eliminar de la tabla las columnas asociadas a las variables artificiales no basicas.
2. Actualizar la fila asociada a la funcion objetivo considerando que
los coeficientes en la funcion objetivo de las variables artificiales
en el problema original son 0.
3. Eliminar secuencialmente variables artificiales basicas pivotando
sobre elementos de la tabla yij 6= 0, en donde:
i := fila asociada a la variable basica artificial
j := columna asociada a la variable no artificial
Si yij = 0, j 6= i la ecuacion i-esima es redundante. Eliminar la
ecuacion y la variable artificial.
27
ptimo
3x1 + x2 = 3
Fase1
x1 + 2x2 4
4x1 + 3x2 6