Está en la página 1de 36

Mtodo de las gran M stemtodoaadevariablesartificiales,quenodebendeaparecerenla solucinptimafinal Po = c1x1 + . + cnxn Pa = c1x1 + . + cnxn + Mxa1 + .

+Mxam Objetivo original Objetivo modificado

Lasvariablesartificialesdanunasolucininicialenformacannica.

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Todaslasvariablesrealesvaleninicialmente0ylasvariablesartificiales sonlasquesatisfacenlasecuaciones.stas variablestienendecoeficiente1.

Enelptimo p todas las variablesartificiales f deben devaler 0. Seconsigue poniendo una alta penalizacin alas mismas enlafuncin objetivo,lagran M.

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

La resolucin es en forma de tabla como en los casos anteriores

Coeficientes funcin objetivo

Coeficientes de restricciones LHS

Variables artificiales Coeficientes de restricciones RHS

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Ejemplo de resolucin empleando el mtodo de la gran M

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Convertir el problema a estndar aadiendo variables de holgura

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Aadir variables artificiales para encontrar una solucin inicial f tibl factible.

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Aadir altas penalizaciones a las variables en la funcin objetivo.

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Formular el problema en forma de tabla


NOTA!!! En este caso la funcin objetivo se ha despejado al revs a lo visto en el mtodo anterior ponamos (z-2x1-3x2-Ma2-Ma3), por eso se escoger el menor valor negativo en lugar del mayor positivo. p Y se acabar cuando todos sean p positivos!

z + 2x1 + 3x 2 + Ma 2 + Ma 3 = 0
z -1 0 0 0 x1 2 .5 1 1 x2 3 .25 3 1 s1 0 1 0 0 s2 0 0 -1 1 0 a2 M 0 1 0 a3 M 0 0 1 rhs 0 4 20 10
Basic variable Ratio

z s1 a2 a3

-------

Canonical form: Buscamos que todas las variables bsicas tengan una columna con un 1 y el resto de elementos 0. Luego operamos para tener esta condicin en las variables a2 y a3

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Ahoraelproblemaestenunasolucinfactible(vrtice)yenformacannica. Empezamoselprocedimientocambiandounavariabledelabase(cambiaraun vrticeadyacente)para: 1.Mejorarlafuncinobjetivo 2 Mantener 2. M t la l solucin l i factible. f tibl

I iti l tableau Initial t bl


This (x2) is the variable entering the basis (smallest value < 0).

z -1 0 0 0

x1 -2M+2 .5 1 1

x2 -4M+3 .25 3 1

s1 0 1 0 0

s2 M 0 -1 0

a2 0 0 1 0

a3 0 0 0 1

rhs -30M 4 20 10

Basic variable

Ratio

z s1 a2 a3

16 20/3 10

Pivot element, ars

This (a2) is the variable leaving the basis. basis (Smallest value of bi/aij for entering aij >0)

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Si la solucin no es ptima seguimos con el procedimiento.

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Third tableau
All reduced costs are greater than 0.0. The objective cannot be decreased by changing the basis, basis i.e., i e moving to an adjacent corner point. point We have found the optimum!

z
-1 1 0 0 0

x1
0 0 0 1

x2
0 0 1 0

s1
0 1 0 0

s2
1/2 -1/8 -1/2 1/2

a2
-1/2+M 1/2+M 1/8 1/2 -1/2

a3
-3/2+M 3/2+M -5/8 -1/2 3/2

rhs
-25 25 1/4 5 5

Basic variable z = 25 s1 = 1/4 x2 = 5 x1 = 5

Ratio

-------

10.

In this problem, the optimum was reached after the artificial variables were eliminated. Typically, (many) additional corner points would have to be evaluated using the pivoting procedure. procedure The solution is x1 = 5, x2 = 5; slack variables values are s1 = and s2 = 0. j function value is z = 25. The objective

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

PROGRAMACIN LINEAL
Problema Solucin
z = 25
Puedo saber algo ms con la solucin?

3.75 4.0 20 20 10 = 10 x1 = 5 0 x2 = 5 0
Optimizacin de procesos qumicos. 2007-2008 DIQUIMA-ETSII

Anlisis de sensibilidad
Cmo afecta el cambio de parmetros en la solucin.

Problema

Cmo afecta un cambio en este parmetro en z y en los valores de x*? Sin tener q que resolver de nuevo el problema!

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Los coeficientes de la funcin objetivo de las variables originales se denominan: costes reducidos Los coeficientes de la funcin objetivo de las dems variables (holgura) se denominan: precios sombra o duales

En el ptimo: O la variable es cero (no bsica) o el precio dual o el coste reducido es cero. En el caso de que ambos sean cero: E i Existe solucin l i d degenerada d si il la variable i bl es b bsica i Existen mltiples ptimos si la variable es no bsica

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Anlisis de sensibilidad
Sensibilidad= S ibilid d z/ / con todas d l las variables i bl bsicas, b i xB, pueden cambiar luego la solucin es un nuevo ptimo.

1. Los resultados se limitan a los ptimos con las mismas restricciones activas q que el caso base, , es decir, , no requiere q cambiar la base escogida. 2. Los resultados definen el rango de cambio de parmetros (coeficientes funcin objetivo o constantes de RHS) que implican que no hay cambio en las restricciones activas. 3 El resultado proporciona un valor exacto, 3. exacto cuantitativo de OBJ*/parametro
Optimizacin de procesos qumicos. 2007-2008 DIQUIMA-ETSII

Anlisis de sensibilidad

El software presenta informes con el valor y rango de la sensibilidad ibilid d de d cada d restriccin. i i Fuera F d ese rango la de l base b cambia.
Constraint ID Status (Binding/ non-binding) o b d g) (Active/inactive) slack Shadow price (sensitivity of rhs) s) Maximum allowable increase c e se (AI) ( ) Maximum allowable decrease dec e se (AD) ( )

Max. Reflux flow Max. Pump 7

Active Inactive

0 321

3.74 0

47 1.0E30

123 321

Shadow price = OBJ*/RHS, has units!

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Anlisis de sensibilidad
Cambios en el parmetro RHS Cunto puedo cambiar la restriccin 1 sin cambiar de base?
1b Optimum 1 1a

Variable x2 V

Los valores de x* cambian!

Variable x1

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Los valores de las variables (si la restriccin est activa) y de la funcin objetivo variarn, pero la base permanece. El nuevo valor de la funcin objetivo ser: Znew=Zoriginal - precio sombra x b

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Anlisis de sensibilidad
Funcin objetivo = z = cjxj Sensibilidad a un cambio en un coeficiente de la funcin objetivo. j
The original optimum

Cambios en cj que no cambian la base, x = 0

z = cjxj= cj( (xj)


= ck(xk)

Original problem
Optimizacin de procesos qumicos. 2007-2008

D d k = el Donde l coeficiente fi i t cambiado bi d


DIQUIMA-ETSII

Los valores de las variables en el nuevo ptimo no cambian, al no variar las restricciones y no cambiar la base. Luego el ptimo es el mismo punto en el espacio. El nuevo valor l objetivo bj ti se calcula l l poniendo i d l los valores l d de l las variables en la nueva funcin objetivo, dado que cada vez se vara un coeficiente se puede calcular el cambio en la funcin objetivo debido a un cambio en el coeficiente coeficiente.

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Anlisis de sensibilidad

En general cambios en los coeficiente A del LHS, implican que el problema se debe resolver de nuevo nuevo.
Optimizacin de procesos qumicos. 2007-2008 DIQUIMA-ETSII

Animacin anlisis sensibilidad

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s We must monitor and diagnose g the LP solution. We could have made a formulation error, or we could have defined a problem that is correct but has special, unusual, properties. We must monitor for weird effects.
Lets learn to diagnose and correct (if possible).
The original optimum

Original problem
Optimizacin de procesos qumicos. 2007-2008 DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s

NO FEASIBLE SOLUTION

feasible

Diagnosis -

X2 0
feasible feasible

Remedial Action X1 0

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s

NO FEASIBLE SOLUTION Diagnosis - At least one artificial variable in optimal basis - software reports this as infeasible. Remedial Action reformulate, if appropriate
Optimizacin de procesos qumicos. 2007-2008

feasible

X2 0
feasible feasible

X1 0

(See goal programming)

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s

UNBOUNDED SOLUTION
Va ariable x2

Diagnosis i i -

Increasing profit

Remedial Action -

Variable x1

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s

UNBOUNDED SOLUTION Diagnosis i i - The distance i to the best adjacent corner point is infinity - software will report. Remedial Action Reformulate, which is always possible - realistic variables never go to Optimizacin de procesos qumicos. 2007-2008
Va ariable x2 Increasing profit

Variable x1

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s

ALTERNATIVE OPTIMA
Variable x2 V

Increasing profit Optimal corner points Shaded area is the feasible region

Diagnosis i i -

Remedial Action Variable x1

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s ALTERNATIVE OPTIMA Diagnosis 1 - The basis can change with no change in objective. One or more non-basic O b i variables has a zero marginal cost. Software does not report warning
Optimizacin de procesos qumicos. 2007-2008

Increasing profit Optimal corner points Shaded area is the feasible region

Variable x2 V

Variable x1

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s ALTERNATIVE OPTIMA Diagnosis 2 - One or more active constraint rhs can be changed without affecting the objective. j
Increasing profit Optimal corner points Shaded area is the feasible region

An active constraint has a zero marginal value and non-zero range (both ways). Software does not report warning Optimizacin de procesos qumicos. 2007-2008

Variable x2 V

Variable x1

Constraint rhs can be changed with no change to OBJ DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s ALTERNATIVE OPTIMA Remedial action- We have found the best value of the Funcin objetivo! We lik W likely l prefer f one of f th the different sets of x values. We would like to know all solutions and select the best, using additional criteria.
Optimizacin de procesos qumicos. 2007-2008

Increasing profit Variable x2 V Optimal corner points Shaded area is the feasible region

Variable x1

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s CONSTRAINT DEGENERACY: Redundancy
Va ariable x2 2 O ti Optimum 3 1

Diagnosis -

Remedial R di l A Action ti Variable x1

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s CONSTRAINT DEGENERACY: Redundancy
Va ariable x2

Remedial action- The solution is correct. The sensitivity information is not reliable! If you need sensitivity information, introduce the change (rhs, cost, etc.) and Optimizacin de procesos qumicos. 2007-2008 rerun the optimization.

2 O ti Optimum 3 1

Variable x1

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s CONSTRAINT DEGENERACY:
x3

optimum

Diagnosis -

Remedial R di l A Action ti -

x1 x2

Optimizacin de procesos qumicos. 2007-2008

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s CONSTRAINT DEGENERACY:
x3

optimum

Diagnosis More inequalities are active (slacks = 0) ( ) than dimension of the problem. Software does not report warning Optimizacin de procesos qumicos. 2007-2008

x1 x2

DIQUIMA-ETSII

Solution Diagnosis

PROGRAMACIN LINEAL
The e LP Simplex S p e Algorithm go Weird We d Events ve s CONSTRAINT DEGENERACY: Remedial action - The solution is correct. The sensitivity information is not reliable!
x1 x3

optimum

If you need sensitivity information, introduce the change (rhs, cost, etc.) and Optimizacin de procesos qumicos. 2007-2008 rerun the optimization.

x2

DIQUIMA-ETSII