Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase5 Operacion de Investigacion PDF
Clase5 Operacion de Investigacion PDF
3.4.1 Método M
½
−M , para maximización
Coeficiente objetivo de la variable artificial =
+M , para minimización
1
Ejemplo 3.4-1
Minimizar z = 4x1 + x2
s.a. 3x1 + x2 = 3
4x1 + 3x2 ≥ 6
x1 + 2x2 ≤ 4
x1 , x 2 ≥ 0
Minimizar z = 4x1 + x2
s.a. 3x1 + x2 = 3
4x1 + 3x2 − x3 = 6
x1 + 2x2 + x4 = 4
x1 , x 2 , x 3 , x 4 ≥ 0
Minimizar z = 4x1 + x2 + M R1 + M R2
s.a. 3x1 + x2 + R1 = 3
4x1 + 3x2 − x3 + R2 = 6
x1 + 2x2 + x4 = 4
x1 , x 2 , x 3 , x 4 , R 1 , R 2 ≥ 0
2
Básica x 1 x2 x3 R1 R2 x4 Solución
z −4 −1 0 −M −M 0 0
R1 3 1 0 1 0 0 3
R2 4 3 −1 0 1 0 6
x4 1 2 0 0 0 1 4
Antes de proseguir con los cálculos del método sı́mplex se necesita hacer
que el fila z sea consistente con el resto de la tabla. En forma especı́fica,
en la tabla x1 = x2 = x3 = 0, lo cual produce la solución básica de inicio
R1 = 3, R2 = 6 y x4 = 4. Esta solución indica que el valor de z debe ser
M × 3 + M × 6 = 9M, en lugar de 0 como se ve en el lado derecho del fila
de z. Esta inconsistencia se debe a que R1 y R2 tienen coeficientes distintos
de cero (−M, −M ) en el fila de z (compárelo con la solución de inicio con
todas las variables de holgura del ejemplo 3.3-1, donde los coeficientes de las
holguras en el fila de z son cero).
Básica x1 x2 x3 R1 R2 x4 Solución
z −4 + 7M −1 + 4M −M 0 0 0 9M
R1 3 1 0 1 0 0 3
R2 4 3 −1 0 1 0 6
x4 1 2 0 0 0 1 4
Observe que la nueva z = 9M, lo que ahora es consistente con los valores
de la solución básica factible de inicio R1 = 3, R2 = 6 y x4 = 4.
La última tabla queda lista para aplicarle el método sı́mplex, con las
condiciones de optimalidad y factibilidad presentadas en la sección 3.3.2.
Como se está minimizando la función objetivo, la variable x1 que es la que
tiene el coeficiente más positivo en el fila de z(= −4+1 M ) entra a la solución.
3
La razón mı́nima de la condición de factibilidad especifica que R1 es la vari-
able que sale.
Básica x1 x2 x3 R1 R2 x4 Solución
z 0 (1 + 5M )/3 −M (4 − 7M )/3 0 0 4 + 2M
x1 1 1/3 0 1/3 0 0 1
R2 0 5/3 −1 −4/3 1 0 2
x4 0 3/5 0 −1/3 0 1 3
4
3.4.2 Método de dos fases
Debido al impacto potencial adverso del error de redondeo sobre la ex-
actitud del método M, donde se manipulan en forma simultánea coeficientes
grandes y pequeños, el método de dos fases reduce el problema eliminando
por completo la constante M. Como su nombre indica, el método resuelve la
programación lineal en dos fases: la fase I trata de determinar una solución
básica factible de inicio y, si se encuentra, se invoca la fase II para resolver
el problema original.
Ejemplo 3.4-2
Usaremos el mismo problema que en el ejemplo 3.4-1.
Fase I.
Minimizar r = R 1 + R2
s.a. 3x1 + x2 + R1 = 3
4x1 + 3x2 − x3 + R2 = 6
x1 + 2x2 + x4 = 4
x1 , x 2 , x 3 , x 4 , R 1 , R 2 ≥ 0
5
Básica x1 x2 x3 R1 R2 x4 Solución
r 0 0 0 −1 −1 0 0
R1 3 1 0 1 0 0 3
R2 4 3 −1 0 1 0 6
x4 1 2 0 0 0 1 4
Como en el método M, se eliminan R1 y R2 por sustitución en el fila de
r, usando los siguientes cálculos:
Nuevo fila r = fila r anterior + [1 × fila R1 + 1× fila R2 ]
El nuevo fila r se usa para resolver la fase I del problema, con lo que se
obtiene la siguiente tabla optima
Básica x1 x2 x3 R1 R2 x4 Solución
r 0 0 0 −1 −1 0 0
x1 1 0 1/5 3/5 −1/5 0 3/5
x2 0 1 −3/5 −4/5 3/5 0 6/5
x4 0 0 1 1 −1 1 1
Como mı́nimo de r = 0, la fase I produce la solución básica factible
x1 = 3/5, x2 = 6/5 y x4 = 1. Llegados a este punto, las variables artificiales
ya cumplieron su misión y se pueden eliminar de la tabla las columnas, por
completo, y pasar a la fase II.
Minimizar z = 4x1 + x2
1 3
s.a. x1 + x3 =
5 5
3 6
x2 − x3 =
4 5
x3 + x 4 = 1
x1 , x 2 , x 3 , x 4 ≥ 0
En esencia, la fase I es un procedimiento que transforma las ecuaciones
originales de restricción en tal forma que se obtiene una solución factible
básica de inicio para el problema. La tabla asociada con la fase II del prob-
lema es, por consiguiente:
6
Básica x1 x2 x3 x4 Solución
z −4 −1 0 0 0
x1 1 0 1/5 0 3/5
x2 0 1 −3/5 0 6/5
x4 0 0 1 1 1
De nuevo, como las variables básicas x1 y x2 tienen coeficientes no cero
en el fila de z, deben sustituirse y eliminarse con los siguientes cálculos:
Nuevo fila z = fila z anterior + (4 × fila x1 + 1 × fila x2 )
La tabla inicial de la fase II resulta entonces
Básica x1 x2 x3 x4 Solución
z 0 0 1/5 0 18/5
x1 1 0 1/5 0 3/5
x2 0 1 −3/5 0 6/5
x4 0 0 1 1 1
Como se está minimizando, x3 debe entrar a la solución. Con la aplicación
del método sı́mplex se obtendrá el óptimo en una iteración más.
La salida de las columnas de las variables artificiales al terminar la fase I
sólo se hace cuando todas ellas sean no básicas (como ilustra el ejemplo 3.4-
2). Sin embargo, es posible que las variables artificiales sigan siendo básicas
pero de valor cero al final de la fase I. En ese caso, esas variables forman,
por necesidad, parte de la solución básica de inicio para la fase II. En conse-
cuencia, se deben modificar los cálculos en la fase II para asegurar que una
variable artificial nunca se haga positiva durante las iteraciones en esa fase II.
Las reglas para garantizar que una variable artificial que es cero al final
de la fase I nunca se vuelva positiva durante la fase II, son las siguientes:
7
3. Si el elemento de la columna pivote es negativo, la razón mı́nima
no se asociará con la variable artificial básica (cero). En este caso, si la razón
mı́nima resultante resulta ser positiva, la variable artificial asumirá un valor
positivo en la siguiente iteración (¿se da usted cuenta por qué?) y se nece-
sitará evitar que eso suceda. Para hacerlo, se obliga a la variable artificial a
salir de la solución de cualquier modo. Si se observa que la variable artificial
tiene valor cero, su eliminación de la solución básica no afectará la factibili-
dad de las variables básicas restantes.
3.5.1 Degeneración
8
menos una restricción redundante. Para poder presentar mejor perspectiva
de los impactos prácticos y teóricos de la degeneración presentaremos un
ejemplo numérico, que resolveremos en forma algebraica y gráfica.
9
también puede conducir a descubrir irregularidades en la construcción del
modelo. Desafortunadamente no hay técnicas fiables para identificar las re-
stricciones redundantes en forma directa a partir de la tabla.
x1 = 0, x2 = 2, x3 = 0, x4 = 0, z = 18
10
Entonces, ¿es posible detener los cálculos en la iteración 1 (cuando aparece
la degeneración por primera vez) aun cuando no sea óptima? La respuesta
es no, porque la solución puede ser temporalmente degenerada, como se ve
en el problema 2, conjunto de problemas 3.5a.
11
Figure 2: FIGURA 3.11
5
B: x1 = 0, x2 =
2
C: x1 = 3, x2 = 1
¯ se expresan con
todos los puntos del segmento de recta BC
12
x̂1 = α(0) + (1 − α)(3) = 3 − 3α
5
x̂2 = α(5/2) + (1 − α)(1) = 1 + α
2
Cuando α = 0, (x̂1 , x̂2 ) = (3, 1), que es el punto C. Cuando α = 1, (x̂1 , x̂2 ) =
(0, 5/2), que es el punto B. Con valores de a entre 0 y 1, (x̂1 , x̂2 ) está entre
B y C.
En la práctica, los óptimos alternativos son útiles porque permiten es-
coger entre muchas soluciones sin que se deteriore el valor objetivo. Por
ejemplo, en este caso, la solución en B indica que sólo la actividad 2 está
en un nivel positivo, mientras que en C ambas actividades son positivas. Si
el ejemplo representa un caso de mezcla de productos, podrı́a ser benéfico,
desde el punto de vista de competencia en ventas, fabricar dos productos en
lugar de uno. En este caso, la solución C puede ser más atractiva.
13
Maximizar z = 2x1 + x2
s.a. x1 − x2 ≤ 10
2x1 ≤ 40
x1 , x 2 ≥ 0
Iteración de inicio.
Básica x1 x2 x3 x4 Solución
z −2 −1 0 0 0
x3 1 −1 1 0 10
x4 2 0 0 1 40
En la tabla de inicio tanto x1 como x2 son candidatos para entrar en la
solución. Como x1 tiene el coeficiente más negativo, se selecciona, normal-
mente, como la variable de entrada. Sin embargo, todos los coeficientes de
restricción bajo x2 son negativos o cero, y eso indica que x2 puede aumentar
en forma indefinida sin violar cualquiera de las restricciones (compárese con
la interpretación gráfica de la razón mı́nima, en la figura 3.6). Como cada
aumento de una unidad en x2 aumentará 1 a z, un aumento infinito de x2
también dará como resultado un aumento infinito en z. Ası́, el problema
no tiene solución acotada. Este resultado se puede ver en la figura 3.12. El
espacio de soluciones no está acotado en la dirección de x2 , y el valor de z
puede aumentar en forma indefinida.
14
Figure 3: FIGURA 3.12
15
Iteración Básica x1 x2 x3 x4 R Solución
0 z −3 − 3M −2 − 4M M 0 0 −12M
entra x2 x3 2 1 0 1 0 2
sale x3 R 3 4 −1 0 1 12
1 z 1 + 5M 0 M 2 + 4M 0 4 − 4M
(pseudo-óptima) x2 2 1 0 1 0 2
R −5 0 −1 −4 1 4
16