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:

Lo sumamos al lado izquierdo de la restricción como se muestra a continuación: X1 . de esta manera decir: X1 . llamada Variable Artificial..2X2 + 3X3 .S2 + A1 = 6 Al usar una variable artificial debemos penalizar la función objetivo allí la vamos a incluir con un coeficiente muy grande. etc.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. Eso significa que el uso podría ser 6. al estar minimizando la sumamos + .S2 + A1 + S3 = 6 = 9 = 10 X2 + 3X3 + 0S1 + 0S2 + MA1 + 0S3 + MA2 .2X2 + 3X3 >= 6 Se puede leer como: el uso de la restricción 2 debe ser como mínimo 6 unidades. 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 =. llamado M. o en términos generales: X1 . Positiva si es minimizando o negativa si es maximizando . lo que equivale a decir que lo usado mas lo que sobre (s1) es igual a 10.1 o 6+1 o 6+2 . Para las restricciones de tipo mayor o igual..MA1. La tercera restricción es de tipo <=. cuando aparece esta restricción tipo >= es necesario adicionar una variable comodín. la lógica es la misma.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.1 o tal vez 7 u 8. 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. sin ningún significado físico. sólo como artificio matemático.S2 = 6 Sin embargo para el método simplex.. En resumen el modelo queda de la siguiente manera: Min Z = 2X1 + Sujeto a: 3X1 + X1 2X1 + X2 2X2 3X2 + 2X3 + 3X3 X3 + S1 .2X2 + 3X3 . Podríamos escribirlo también como 6+0.. Esto lo podemos reescribir como: X1 .

3.N. Por esta razón para la primera restricción dónde hay variables de decisión (Xi) y la de holgura S1.N (Condición de No Negatividad) 2. 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. R1. de decisión y artificial. X2.X1 + X2 + 2X3 + A2 = 7 C. tenemos que hacer cierta cantidad de estas variables iguales a cero). 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. se toma la de holgura. -Si hay variables de decisión y artificiales se toma la variable artificial. de holgura y artificiales se toma la variable artificial. . S2 y S3 son las variables de Holgura. 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. X3 son las variables de decisión. R2. en la segunda restricción hay de holgura. R4 son las restricciones y RHS son las disponibilidades o Requerimientos de las restricciones. -Si hay variables de decisión. S1. Si lo escribimos como una matriz. tomamos la S1 para la base. (RHS= Right Hand Side: "el lado derecho" es decir los valores numéricos). Escribir en formato de Tabla Simplex. R3. 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.

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

la llamamos pivote. Por lo tanto sale A1 y entra X3. acabamos de decir que es la variable X3. por lo tanto la que el valor de theta es menor (pero positivo) es de 2. A la intersección entre la columna de la variable que entra y de la fila de la variable que sale.00 Sale 0 9 M 1 7 3.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.. Este cociente lo vamos a llamar Theta. Llenamos un formato vacio simplex. correspondiendo a la variable A1. 1/3 = 0. Definir la Variable que Sale Para establecer que variable debe salir de la base.33 1/3=0.67 3/3 = 1(Pivote) 0/3= 0 -1/3= -0. hacemos un cociente entre la disponibilidad (RHS) y la columna de la variable que entra.00 0 6 2.33 0/3=0 0/3=0 6/3= 2 (En la columna del RHS) . Aquí siempre he señalado el pivote de color verde. en caso que dividamos por un valor negativo. y cual entra y que pr lo tanto ya tenemos una celda pivote.33 -2/3 = -0. dividiendo toda la fila por ella misma * Convertir todas las celdas por encima y por debajo de la celda pivote en cero. 4. Vamos paso por paso: Convertir la celda pivote en 1. es necesario realizar la eliminación gaussiana. En la fig 2 corresponde al valor 3. (Para convertir el pivote en 1). 7/2 = 3. en nuestro caso. Iteración: Gauss-Jordan Luego que se ha encontrado que variable sale de la base.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. Ello lo podemos resumir como: * Convertir la celda pivote en 1. Sobre ella se empleará el método de Gauss-Jordan. por lo que lo rotulamos como M. 10 /2 = 5 6/3 =2 9 / -1 = .50 M 13M 0 3.. 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. no lo vamos a tener en cuenta para salir. bueno. Algunos libros lo llaman 'ratio'.5 La variable que más nos restringe.

Y la pasamos al nuevo formato (Fig3). Se hace la pregunta: Hay alguna variable que al entrar mejora la solución? Ello lo vemos en la fila Cj-Zj. 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. Repetimos este procedimiento para la fila 3 y la fila 4.67 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. 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: 0.66 0 0 6 Este valor es el que copiamos en el nuevo formato en la fig 3 en la fila correspondiente.33 0 0 2 La multiplicamos por -2 y nos da: -0. en el pivote en verde.33 -0. aún no hemos llegado al óptimo. aún quedan valores negativos. Para ello hacemos operaciones entre filas y columnas de la siguiente manera (s recuerda bien los detalles de esto.33 2. 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.33 -2 0 0. la primera.33 0 1 0.67 -0. Esta nueva fila que hemos calculado va a servir para convertir las demas celdas por la columna del pivote en cero. el más negativo de ellos esta en la variable X2 por lo tanto debe entrar.67 1 0 -0. que contiene el 3. Con ello ya llenamos todo el formato. Fijemonos un momento en la fig 2. En la fig 2 nos damos cuenta que habían todavia valores negativos en Cj-Zj.67 1. ahora en la fig 3. por lo tanto no se había terminado. precisamente el que acabamos de convertir en 1. 5. Por encima encontramos el 2 y por debajo encontramos el -1 y el 2.67 -0. Y es sencillamente lo siguiente. . Si hay valores positivos en la fila Cj-Zj y estamos maximizando. Lo mismo para el caso de la maximización.33 0. Si al calcular esta fila aún hay valores negativos y estamos minimizando. entonces es posible mejorar aún más la solución. Estos valores son los que debemos convertir en ceros.

14 0.Zj X1 2 2.00 0.29 -0.33 3 X3 0.43 0.00 0.00 0.00 -0.33M Entra X3 3 0.00 0.00 -0.00 1.67 0 S3 2.00 0.33 2.00 0.00 0.) X2= 1.62 S3 A2 0 M RHS Theta 0.00 0.00 3.33M 3-2.Zj 1-0. la reemplazamos en el tablero de la figura 4.00 M+2.33 2. nos damos cuenta que no.00 1.67 0 0 6 2.00 0.29 9.14 M+0.67 -0. X3=2.29 Sale 0 -1+0.33 1 0 11 4.29 0.67 0 1 3 1.33 -0.00 3.14 0.Continuando el algoritmo en la fig3 evaluamos que la variable A2 debe salir.43 2.00 -0.00 0.29 -0.67 -0.33 0.00 0.14 -1. evaluamos si hay algun valor negativo en la fila Cj-Zj.00 8. Hemos llegado al óptimo: La solución es Z=9.33 Z 1+0.8571 0.00 1.00 0. X1 X2 Coef Base 2 1 0 S1 2.66M 1-0.00 0. luego calculamos Z y calculamos Cj-Zj.66M 0 M 6+3M 0 1-0.00 1.00 0.00 0.00 0.57 X2 1 0.86 1.00 0.29.66M -1+1.33 0 0 2 M 0.29 2.33M Cj.33 2.00 -1.00 1.00 S1 0 1.33 M A2 0.57 0. por lo que no hay ninguna variable que al entrar mejore la solución.00 S2 A1 0 M 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 0.14 0.33M -2+2.00 0.86 Fig 4 Coef Base 0 S1 3 X3 0 S3 1 X2 Z Cj. Fig 3.00 1. Hacemos gauss-jordan.33 0.00 0.00 X3 3 0.66M 0 0 Aquí en el tablero de la figura 4.71 0.14 1. Usted tiene la palabra en los comentarios . .8571 X1=0 (Por que no estaba en la base.43 1.00 0.00 0.00 3 0 S1 S2 A1 S3 A2 0 0 M 0 M RHS Theta 1.00 0.00 -1.

Sign up to vote on this title
UsefulNot useful