Método de la Gran M

No de Visitas:17421

Descripción clara del Método de la Gran M para resolver problemas de Programación Lineal usando el Simplex con restricciones de >= e = Mientras que los Programas Lineales que solo tienen restricciones de <= se pueden resolver sólo usando variables de holgura, para aquellos programas lineales que involucren restricciones de tipo >= e = es necesario como ya lo habíamos comentado, usar variables artificiales. Dijimos también que las variables de holgura tenían un significado físico real que correspondía a las disponibilidades o requerimientos no usados en las restricciones, pero que las variables artificiales no tenían ninguna representación física y que sólo eran usadas como un comodín matemático para ayudar en la solución del problema. Pues bien, cuando tenemos que usar variables artificiales al tener restricciones de >= e = debemos usar uno de las siguientes variantes del simplex:

 

El Método de la Gran M El Método de las dos fases

Aquí detallaremos el Método de la Gran M.

Definimos la letra M como un número muy grande pero finito para usarlo como coeficiente de las variables artificiales en la función objetivo y con sentido contrario a la misma para penalizar de manera muy grande la existencia de las mismas en la solución. Si el objetivo es minimizar las variables artirficiales entraran con M positivo y si es maximizar las variables artificiales se usaran como -M.

Ejemplo:
Min Z = 2X1 + X2 + 3X3
Sujeto a: 3X1 + X2 + 2X3 <= X1 - 2X2 + 3X3 2X1 + 3X2 C.N.N X3 X1 + X2 +2X3 >= <= = 10 6 9 7

1. Convertir al Modelo Estándar:
Cada restricción debe ser convertida de inecuación a una igualdad, agregando variables como se requiera. Con las restricciones de tipo <=, es supremamente fácil. Simplemente se agrega una en cada restricción con coeficiente 1 en la misma restricción y con coeficiente cero en la función objetivo. Por ejemplo:

S2 + A1 + S3 = 6 = 9 = 10 X2 + 3X3 + 0S1 + 0S2 + MA1 + 0S3 + MA2 .2X2 + 3X3 = 6 + S2 que es equivalente a decir: lo usado en la restricción2es igual al mínimo requerido que es 6 mas el adicional que esta en S2.2X2 + 3X3 >= 6 Se puede leer como: el uso de la restricción 2 debe ser como mínimo 6 unidades. o en términos generales: X1 . sin ningún significado físico... cuando aparece esta restricción tipo >= es necesario adicionar una variable comodín.. etc.S2 = 6 Sin embargo para el método simplex.2X2 + 3X3 . Para este tipo de restricción simplemente adicionamos una variable artificial al lado izquierdo: X1 + X2 +2X3 X1 + X2 +2X3 = 7 queda: 7 + A2 = Recordemos: las variables de holgura quedan con coeficiente 0 en la función objetivo y las variables artificiales con coeficiente M. Esto lo podemos reescribir como: X1 .. En resumen el modelo queda de la siguiente manera: Min Z = 2X1 + Sujeto a: 3X1 + X1 2X1 + X2 2X2 3X2 + 2X3 + 3X3 X3 + S1 . Eso significa que el uso podría ser 6. La tercera restricción es de tipo <=.1 o tal vez 7 u 8.1 o 6+1 o 6+2 .2X2 + 3X3 . Positiva si es minimizando o negativa si es maximizando .S2 + A1 = 6 Al usar una variable artificial debemos penalizar la función objetivo allí la vamos a incluir con un coeficiente muy grande. Podríamos escribirlo también como 6+0. por lo que no tenemos ningún problema con ella: 2X1 + 3X2 2X1 + 3X2 X3 <= 9 queda 9 X3 + S3 = La cuarta restricción es de tipo =. llamada Variable Artificial. de esta manera decir: X1 .3X1 + X2 + 2X3 <= 10 queda: 10 3X1 + X2 + 2X3 + S1 = Se puede leer así: el uso de la primera restricción no puede superar la disponibilidad de 10 unidades.MA1. sólo como artificio matemático. al estar minimizando la sumamos + . Para las restricciones de tipo mayor o igual. Lo sumamos al lado izquierdo de la restricción como se muestra a continuación: X1 . la lógica es la misma. llamado M. lo que equivale a decir que lo usado mas lo que sobre (s1) es igual a 10.

En la primera iteración la regla para escoger las variables que estarán en la base es la siguiente: -Si hay variables de decisión y de holgura. de decisión y artificial. las demás variables las llamamos No Básicas y se se toman con valor cero (de manera análoga a cuando resolvemos un sistema de ecuaciones que tiene más variables que ecuaciones. R2. S1. de holgura y artificiales se toma la variable artificial. Definir la Variable que entra Recordemos que tenemos un grupo de variables que llamamos base a las que tenemos en cuenta en cada iteración para dar la solución. -Si hay variables de decisión. (RHS= Right Hand Side: "el lado derecho" es decir los valores numéricos). R1. X3 son las variables de decisión. . R4 son las restricciones y RHS son las disponibilidades o Requerimientos de las restricciones. X2. Escribir en formato de Tabla Simplex. se toma la de holgura.N. S2 y S3 son las variables de Holgura. tenemos que hacer cierta cantidad de estas variables iguales a cero). Si lo escribimos como una matriz. tomamos la S1 para la base. -Si hay variables de decisión y artificiales se toma la variable artificial. Por esta razón para la primera restricción dónde hay variables de decisión (Xi) y la de holgura S1. en la segunda restricción hay de holgura. R3.X1 + X2 + 2X3 + A2 = 7 C. 3. indicando los nombres de las variables en negro queda asi: Fig 1 Min Z R1 R2 R3 R4 X1 2 3 1 2 1 X2 1 1 -2 3 1 X3 3 2 3 -1 2 S1 0 1 0 0 0 S2 0 0 -1 0 0 A1 M 0 1 0 0 S3 0 0 0 1 0 A2 M 0 0 0 1 RHS 10 6 9 7 Dónde X1.N (Condición de No Negatividad) 2.

cuál es el valor más negativo de Cj-Zj? Recordemos que M representa un número finito. Por lo tanto ésta variable debe entrar a reemplazar a otra variable en la base. sólo para dar un poco más de claridad a la iteración.. Hay muchos formatos de tablas. pero en esencia son el mismo... Las dos ultimas filas son para determinar que variable va a entrar a la base. tomamos la de holgura S3 y por último en la cuarta restricción hay de decisión y artificial. Si no lo ve tan rápido.tomamos la artificial A1. etc. Algunas personas omiten la fila Z.de igual manera para las otras 5 columnas. Realmente no es necesaria. 0 * 1 + M * (-2) + 0*3 + M*1 0*2+M*3 + 0 *-1 + M*2 La fila Cj-Zj es el resultado de restar el coeficiente de la función objetivo (la segunda fila de negro) con el valor de Z que acabamos de calcular. a cuál?? Fig 2 X1 X2 X3 S1 S2 A1 S3 A2 . La fila Z es el resultado de la suma del producto de la columna 'coef' y de cada columna en la restricción. muy grande. una columna vacía llamada Theta que ya llenaremos. Todas las demás se asumen en la primera iteración con valor cero.. en la primera columna están los coeficientes de las variables básicas. notará de inmediato que el valor más negativo esta en la columna respectiva a la variable X3. así: 0*3+M*1 + 0*2 + M*1 = 2M = -M = 5M . Tal como se ve en la tabla de abajo.. luego vienen las restricciones con sus coeficientes. Esta el listado de variables que se tienen en la base (en la segunda columna rotulada como base). En este momento nos hacemos la siguiente pregunta: cuál variable al entrar a la base hace que la función objetivo disminuya más (porque estamos minimizando)? O en otras palabras. digamos por 1000.. por lo que tomamos la A2 para la base. Rapidamente nos damos cuenta que corresponde a 3-5M. puesto que de todas es la que tiene el valor negativo de M con mayor valor absoluto. las disponibilidades/requerimientos de las restricciones en la columna RHS. en la tercera hay de decisión y de holgura. muy. Llenar la tabla inicial. haga lo siguiente: reemplace M por un valor grande positivo en la fila Cj -Zj.000. 2-2M = 2-M (evidente!) 1-(-M) = 1+M.

en caso que dividamos por un valor negativo. la llamamos pivote. es necesario realizar la eliminación gaussiana. Iteración: Gauss-Jordan Luego que se ha encontrado que variable sale de la base. por lo tanto la que el valor de theta es menor (pero positivo) es de 2.Coef Base 2 1 3 0 S1 3 1 2 M A1 1 -2 3 0 S3 2 3 -1 M A2 1 1 2 Z 2M -M 5M Cj.67 3/3 = 1(Pivote) 0/3= 0 -1/3= -0. Algunos libros lo llaman 'ratio'.5 La variable que más nos restringe. hacemos un cociente entre la disponibilidad (RHS) y la columna de la variable que entra. correspondiendo a la variable A1.Zj 2-2M 1+M 3-5M Entra 0 1 0 0 0 0 0 0 0 -1 0 0 -M M M 0 1 0 0 M 0 0 0 0 1 0 0 0 M RHS Theta 0 10 5. acabamos de decir que es la variable X3. Vamos paso por paso: Convertir la celda pivote en 1.. Llenamos un formato vacio simplex. dividiendo toda la fila por ella misma * Convertir todas las celdas por encima y por debajo de la celda pivote en cero. Sobre ella se empleará el método de Gauss-Jordan. la fila que contiene el pivote la vamos a pasar al nuevo formato convertida mediante la siguiente operación: dividimos toda la fila por el valor del pivote. A la intersección entre la columna de la variable que entra y de la fila de la variable que sale. Por lo tanto sale A1 y entra X3. por lo que lo rotulamos como M. Aquí siempre he señalado el pivote de color verde.. no lo vamos a tener en cuenta para salir.00 0 6 2. 1/3 = 0.50 M 13M 0 3. bueno. 7/2 = 3.33 1/3=0.33 -2/3 = -0. Este cociente lo vamos a llamar Theta. 4. y cual entra y que pr lo tanto ya tenemos una celda pivote. (Para convertir el pivote en 1).00 Sale 0 9 M 1 7 3. En la fig 2 corresponde al valor 3. Ello lo podemos resumir como: * Convertir la celda pivote en 1. 10 /2 = 5 6/3 =2 9 / -1 = . en nuestro caso. Definir la Variable que Sale Para establecer que variable debe salir de la base.33 0/3=0 0/3=0 6/3= 2 (En la columna del RHS) .

Y la pasamos al nuevo formato (Fig3).67 0 0 -4 El valor anterior lo sumamos componente a componente a la fila en la que queremos hacer la eliminación: que es la siguinte: 3 1 2 1 0 0 0 0 10 Y el resultado es: 2. aún no hemos llegado al óptimo. Prueba de Optimidad: La prueba de optimidad se debe hacer cada vez que se evalua si hay una variable que debe entrar a la base. como es el requisito del método. Lo mismo para el caso de la maximización. la primera.33 0 0 2 La multiplicamos por -2 y nos da: -0. Repetimos este procedimiento para la fila 3 y la fila 4.33 -0. En la fig 2 nos damos cuenta que habían todavia valores negativos en Cj-Zj.33 -2 0 0. de sus clases de algebra lineal sientase libre de saltar esta explicación): Multiplicamos la fila que contenia el pivote por el opuesto de cada número que deseamos eliminar y se lo sumamos a la fila que deseamos convertir. Estos valores son los que debemos convertir en ceros. Se hace la pregunta: Hay alguna variable que al entrar mejora la solución? Ello lo vemos en la fila Cj-Zj. Si al calcular esta fila aún hay valores negativos y estamos minimizando. Ej Para la primera fila que contiene el 2 que deseamos eliminar multiplicamos la fila pivote por -2 y se la sumamos asi: La fila pivote que quedó convertida en esto: 0.67 -0.67 1.67 -0. 5. . en el pivote en verde. Para ello hacemos operaciones entre filas y columnas de la siguiente manera (s recuerda bien los detalles de esto. el más negativo de ellos esta en la variable X2 por lo tanto debe entrar. que contiene el 3.67 1 0 -0.66 0 0 6 Este valor es el que copiamos en el nuevo formato en la fig 3 en la fila correspondiente. ahora en la fig 3. Fijemonos un momento en la fig 2.33 0. Si hay valores positivos en la fila Cj-Zj y estamos maximizando.33 0 1 0. Con ello ya llenamos todo el formato. Por encima encontramos el 2 y por debajo encontramos el -1 y el 2. por lo tanto no se había terminado. Esta nueva fila que hemos calculado va a servir para convertir las demas celdas por la columna del pivote en cero. precisamente el que acabamos de convertir en 1. Y es sencillamente lo siguiente. aún quedan valores negativos.33 2. entonces es posible mejorar aún más la solución.

nos damos cuenta que no.8571 X1=0 (Por que no estaba en la base.29 -0. Fig 3. Hacemos gauss-jordan. X3=2. X1 X2 Coef Base 2 1 0 S1 2.86 Fig 4 Coef Base 0 S1 3 X3 0 S3 1 X2 Z Cj.00 0.00 M+2.67 -0.29 Sale 0 -1+0.00 -0.33M Cj.62 S3 A2 0 M RHS Theta 0.43 Nota: al escribir esto he tenido la duda de si explico demasiado básico para mis lectores o si por el contrario asumo cosas y no explico lo suficiente.00 1.66M -1+1.33 1 0 11 4. Hemos llegado al óptimo: La solución es Z=9.00 1.14 0.00 0.57 0. Usted tiene la palabra en los comentarios .29 0.29.29 9.33 0.67 0 S3 2. luego calculamos Z y calculamos Cj-Zj.14 1.00 S2 A1 0 M 0.00 0.33 0.00 0.33 Z 1+0.00 0.8571 0.00 0.00 0.57 X2 1 0.86 1.67 -0.00 0. evaluamos si hay algun valor negativo en la fila Cj-Zj.00 0.00 1.67 0 0 6 2.66M 0 M 6+3M 0 1-0.00 0.00 0.00 0.00 3.00 1.33M Entra X3 3 0.14 0.00 0.33 2.00 0.43 1.33 -0.Zj X1 2 2.00 0.00 3 0 S1 S2 A1 S3 A2 0 0 M 0 M RHS Theta 1.00 -1. .14 0.71 0.43 0.00 1.00 0.66M 1-0.00 8.33M -2+2.14 M+0.33 0 0 2 M 0.00 0.67 0 1 3 1.00 X3 3 0.00 -1.00 0.33 3 X3 0. por lo que no hay ninguna variable que al entrar mejore la solución.00 -0.00 1.00 0.00 0.Zj 1-0.00 0.00 0.33 2.00 -0.14 -1.33 2.00 3.66M 0 0 Aquí en el tablero de la figura 4.29 2.Continuando el algoritmo en la fig3 evaluamos que la variable A2 debe salir.33 M A2 0.00 S1 0 1.29 -0. la reemplazamos en el tablero de la figura 4.43 2.) X2= 1.00 0.33M 3-2.

Sign up to vote on this title
UsefulNot useful