Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SISTEMAS DE ADMINISTRACIÓN
DE ENERGÍA ELÉCTRICA
1
ESCUELA POLITÉCNICA NACIONAL
FACULTAD DE INGENIERÍA ELÉCTRICA
2
Técnicas Matemáticas:
Programación Lineal
• Modelos de
programación lineal
6
3
• Conceptos generales
2
1 • El método símplex
1 2 3 4 5 6 7 8
3
Técnicas Matemáticas:
Programación Lineal
• Modelos de
programación lineal
6
3
• Conceptos generales
2
1 • El método símplex
1 2 3 4 5 6 7 8
4
Modelos de programación
matemática
5
Modelos de programación
matemática
CRITERIO
Presencia de
Sin restricciones Restringidos
restricciones
Linealidad de las
Lineales No lineales
funciones
Continuidad de las
Continuos Discretos
variables
6
Modelos de programación lineal
7
Modelos de programación lineal
1. El conjunto de datos.
2. El conjunto de variables involucradas en el problema,
junto con sus dominios respectivos de definición.
3. El conjunto de restricciones lineales del problema
que definen el conjunto de soluciones admisibles.
4. La función lineal que debe ser optimizada
(minimizada o maximizada).
8
El problema del transporte
u1 v1
c12
u2 v2
cij
ui vj
xij
um vn
Orígenes Destinos
9
El problema del transporte
u1 v1
c12
DATOS:
u2 v2
m: número de orígenes.
n: número de destinos.
cij ui: cantidad a enviar desde el origen i.
ui vj
xij vj: cantidad a recibir en el destino j.
cij: costo de enviar una unidad de
producto desde el origen i al
um vn destino j.
Orígenes Destinos
10
El problema del transporte
u1 v1
c12
VARIABLES:
u2 v2
um vn
Orígenes Destinos
11
El problema del transporte
u1 v1
c12
RESTRICCIONES:
u2 v2
Para todos los orígenes i:
n
ui
cij
vj
x
j 1
ij ui
xij
12
El problema del transporte
u1 v1
c12
FUNCIÓN OBJETIVO:
u2 v2
cij
ui vj m n
xij min Z cij xij
i 1 j 1
um vn
Orígenes Destinos
13
El problema del transporte
EJEMPLO
Costos:
2 1 1 5
Destino
Origen 1 2 3
3 2 2 2 1 1 2 3
2 2 1 2
3 3 2 1
4 3 3 2
14
El problema de la planificación de la
producción
Producción variable
Costos de personal y
acondicionamiento de
maquinaria
Producción constante
Costos de almacenamiento
15
El problema de la planificación de la
producción
DATOS:
16
El problema de la planificación de la
producción
VARIABLES:
17
El problema de la planificación de
la producción
RESTRICCIONES:
xt
st st 1 xt d t
st-1 st
st smax
st 0
dt xt 0
18
El problema de la planificación de la
producción
FUNCIÓN OBJETIVO:
xt
T
max Z at d t bt xt ct st
t 1
dt
19
El problema de la planificación de
la producción
st-1 st
El almacenamiento al t = 0 es 2.
dt a=3
b=1
c=1
20
Técnicas Matemáticas:
Programación Lineal
• Modelos de
programación lineal
6
3
• Conceptos generales
2
1 • El método símplex
1 2 3 4 5 6 7 8
21
Formulación del problema
PROGRAMACIÓN LINEAL:
Intersección de un
número finito de
hiperplanos y
semiespacios en Rn
22
Formulación del problema
• PROPORCIONALIDAD
– Los efectos de una variable de decisión son proporcionales tanto sobre la
función objetivo como sobre las restricciones. No hay economías de escala ni
costos de arranque.
• ADITIVIDAD
– Los efectos de las variables se suman. El costo total es la suma de los costos
individuales y la contribución total a una restricción es la suma de las
contribuciones de cada variable.
• DIVISIBILIDAD
– Las variables de decisión pueden tomar valores reales. Se permiten valores no
enteros.
23
Formulación del problema
Sujeto a:
2
Restricciones
24
Formulación del problema
25
Formulación del problema
26
Formulación del problema
Maximizar
sujeto a:
27
Formulación del problema
6
x1 + x2 ≤ 6
5
x1 ≤ 3
X = (3,3)
4
2x1 - x2 ≤ 4
Z = 12
3
-x2 ≤ 0
2
-x1 ≤ 0
1
-x1 - x2 ≤ -1
1 2 3 4 5 6 7 8 Z = 3x1 + x2
28
Formulación del problema
6
x1 + x2 ≤ 6
5
x1 ≤ 3
Z=6
4
2x1 - x2 ≤ 4
3
-x2 ≤ 0
2
-x1 ≤ 0
1
-x1 - x2 ≤ -1
1 2 3 4 5 6 7 8 Z = x1 + x2
29
Formulación del problema
Maximizar
sujeto a:
30
Formulación del problema
-x2 ≤ 0
6 Región factible no
acotada en la dirección -x1 ≤ 0
5
de crecimiento de la
función objetivo
-x1 - x2 ≤ -1
4
3 Z = 3x1 + x2
2
1 2 3 4 5 6 7 8
31
Formulación del problema
Maximizar
sujeto a:
32
Formulación del problema
6
x1 + x2 ≤ 6
5
x1 ≤ 3
4
2x1 - x2 ≤ 4
3
-x2 ≤ 0
2
-x1 ≤ 0
1
-x1 - x2 ≤ -1
x1 + x2 ≤ 0
1 2 3 4 5 6 7 8
33
Problema de PL en forma estándar
Vector elemento de Rn
Minimizar
Vector no negativo
elemento de Rm
sujeto a:
Matriz m x n
n >> m
34
Problema de PL en forma estándar
1. Es de minimización.
2. Sólo incluye restricciones de igualdad.
3. El vector b es no negativo.
4. Las variables x son no negativas.
35
Transformación a la forma estándar
xi xi xi
xi max0, xi
Variables no
xi max0, xi
negativas
36
Transformación a la forma estándar
2. RESTRICCIONES DE DESIGUALDAD:
VARIABLES DE
HOLGURA
No negativas
37
Transformación a la forma estándar
3. PROBLEMA DE MAXIMIZACIÓN:
max Z max cT x
Es equivalente a
38
Transformación a la forma estándar
39
Transformación a la forma estándar
EJEMPLO:
Maximizar
Sujeto a:
40
Transformación a la forma estándar
EJEMPLO:
… es equivalente a
Minimizar
Sujeto a:
41
Soluciones básicas
42
Soluciones básicas
44
Soluciones básicas
Variables Variables
solución básica básicas no básicas
X= x1 x2 x3 x4 XB = x1 x2 x4 XN = x3
45
Soluciones básicas
46
Soluciones básicas
47
Soluciones básicas
48
Sensibilidades
De donde:
Cambio en el valor óptimo de la función objetivo
debido al cambio marginal en el recurso bj
49
Dualidad
Minimizar: Maximizar:
Sujeto a: Sujeto a:
50
Dualidad
• Formulación del problema dual
• Una restricción de igualdad en el primal hace que la
correspondiente variable dual no esté restringida en
signo.
• Una restricción de desigualdad ≥ en el primal da lugar a
una variable dual no negativa.
• Una restricción de desigualdad ≤ en el primal da lugar a
una variable dual no positiva.
51
Dualidad
EJEMPLO:
Minimizar: Maximizar:
Sujeto a: Sujeto a:
52
Dualidad
53
Dualidad
Demostración:
Por tanto:
54
Dualidad
Teorema de Dualidad:
55
Dualidad
En resumen…
P óptimo D óptimo
P no acotado D no factible
D no acotado P no factible
56
Dualidad
57
Dualidad
4x1 + 3x2 ≤ 40
Maximizar:
Sujeto a:
4x1 + 7x2 ≤ 56
Z = 850 USD
58
Dualidad
Maximizar:
x1 = 4
Sujeto a: x2 = 8
Z = 1000 USD
Problema dual:
Minimizar:
y1 = 65/8
Sujeto a: y2 = 75/8
Z = 850 USD
60
Técnicas Matemáticas:
Programación Lineal
• Modelos de
programación lineal
6
3
• Conceptos generales
2
1 • El método símplex
1 2 3 4 5 6 7 8
61
El método Símplex
62
El método Símplex
63
El método Símplex
64
Soluciones básicas
65
Soluciones básicas
Variables Variables
solución básica básicas no básicas
X= x1 x2 x3 x4 XB = x1 x2 x4 XN = x3
66
Soluciones básicas
67
Soluciones básicas
n n!
m m! ( n m )!
En el ejemplo de 4x3, el número máximo de soluciones básicas factibles es:
4 4!
4
3 3! ( 4 3)!
Si la solución básica factible contiene una variable básica con valor cero, se
dice una solución degenerada.
68
Soluciones básicas
Pero:
• El número de soluciones puede ser muy grande
• No se puede saber si el problema tiene una solución no acotada
• Si la región factible está vacía, sólo lo sabremos cuando todas
las posibles combinaciones de n columnas en grupos de m no
produzcan una base factible.
69
Soluciones básicas
Minimizar cTx
A es una matriz m x n
Sujeto a Ax = b de rango m
x0
B 1b
Supongamos que tenemos una solución básica factible
0
Con valor objetivo z0 dado por:
B 1b B 1b
z0 c cB , cN cB B 1b
0 0
71
Mejorando una solución básica
factible
xB
Ahora consideremos una solución factible cualquiera: x xB 0, xN0
x
N
b = Ax = BxB + NxN xB B 1b B 1 NxN R es el actual
xB B 1b B 1a j x j
conjunto de variables
no básicas
jR
z cB ( B 1b B 1a j x j ) c j x j
jR jR
zj=cBB-1aj
z z0 ( z j c j ) x j Si (zj – cj) es positivo, la
jR función decrece al
incrementar xj desde cero
72
Mejorando una solución básica
factible
REGLA:
Fijar cada variable no básica xj en cero, con excepción de una variable no
básica xk que tenga un valor de zk – ck positivo.
Entonces, el nuevo valor de la función objetivo es
z z0 ( zk ck ) xk
xB B 1b B 1ak xk b yk xk
73
Mejorando una solución básica
factible
xB B 1b B 1ak xk b yk xk Si yik 0:
xk xBi
xB1 b1 y1k
x b y
B 2 2 2k
Si yik > 0:
xk xk xBi
xBr br yrk
xk puede
xBm bm ymk incrementarse hasta
que una variable
básica se haga cero
74
Mejorando una solución básica
factible
xB B 1b B 1ak xk b yk xk La primera variable básica en
hacerse cero es la que tiene
un menor bi / yik
xB1 b1 y1k
x b y br b
min i : yik 0 xk
B 2 2 2k yrk 1i m yik
xk En ausencia de degeneración
xBr br yrk br > 0, con lo cual xk > 0 y se
obtiene una nueva solución
básica factible
xBm bm ymk
La función objetivo ha
decrecido, pues zk – ck
es positivo
75
Mejorando una solución básica
factible
EN RESUMEN…
EJEMPLO: Minimizar x 1 + x2
Sujeto a x1 + 2x2 4
x2 1
x1, x2 0
Introduciendo variables de
holgura (slack) x3 y x4, se tiene la
siguiente matriz de restricciones:
1 2 1 0
A a1 , a2 , a3 , a4
0 1 0 1
77
Mejorando una solución básica
factible
EJEMPLO:
Haciendo x1 y x2 variables básicas:
1
x1 1 1 2 4
xB B b
x2 0 1 1
1 2 4 2
(2,1) xB
0 1 1 1
x 0
xN 3
x 4 0
78
Mejorando una solución básica
factible
z3 – c3 cB B 1a3 c3
1
1 2 1
1 1 0 0
0 1
1
1 1 1
(2,1) 0 Positivo:
Incrementar x3
z4 – c4 cB B 1a4 c4
1 2 0
1 1 1 0
0 1
2
1 1 1
1
79
Mejorando una solución básica
factible
x1, x2 , x3 , x4 0,1,2,0
80
Mejorando una solución básica
factible
INTERPRETACIÓN DE zk - ck
m
zk cB B ak cB yk cBi yik
1
i 1
cBi yik
zk representa el ahorro
debido a la reducción
i 1 de la variables básicas
81
Solución óptima y no acotamiento
br b
xk entra si zk – ck > 0 xBr sale si min i : yik 0
yrk 1i m yik
82
EL MÉTODO SÍMPLEX
INICIALIZACIÓN
Si zk – ck 0 STOP (óptimo)
83
El método símplex
en formato de tabla
Para una determinada base B, se tiene:
RHS -xN
z cB B 1b cB B 1 N cN Fila 0
xB B 1b B 1 N Filas 1… m
84
El método símplex
en formato de tabla
La columna correspondiente a cada variable no básica xj es:
RHS -xj
z cB B 1b zj cj Fila 0
85
El método símplex
en formato de tabla
• Se requiere un mecanismo que permita actualizar la
tabla cuando se cambia de base, es decir, cuando
ingresa una variable no básica y sale una variable
básica.
86
El método símplex
en formato de tabla
OPERACIÓN DE PIVOTEO:
• Dividir la fila del pivote para el pivote, salvo en la posición del pivote
• Dividir la columna del pivote para el pivote y cambiar de signo el
resultado (salvo la posición del pivote)
• Los demás términos se calculan por la regla del rectángulo
• En la posición del pivote se coloca su inverso
87
El método símplex
en formato de tabla
REGLA DEL RECTÁNGULO:
pivote b
a (i,j)
a b
nuevo (i, j ) viejo(i, j )
pivote
88
El método símplex
en formato de tabla
EJEMPLO: Minimizar x 1 + x2 – 4 x 3
Sujeto a x1 + x2 + 2x3 9
x 1 + x2 - x3 2
-x1 + x2 + x3 4
x1, x2, x3 0
z 0 -1 -1 4
x4 9 1 1 2
x5 2 1 1 -1
x6 4 -1 1 1
90
Interpretación de la tabla del
símplex
z
4
x2
z
2
RHS -x4 -x2 -x6 b3
Z -17 -1 -4 -2
x1 1/3 1/3 -1/3 -2/3
x5 6 0 2 1
x3 13/3 1/3 2/3 1/3
x5
1
x6
91
La solución básica factible inicial
92
La solución básica factible inicial
EJEMPLO: x1 + 2x2 4
- x1 + x2 1
x1, x2 0
93
La solución básica factible inicial
EJEMPLO: x 1 + x2 + x3 6
- 2x1 + 3x2 + 2x3 3
x2, x3 0
En forma estándar:
94
La solución básica factible inicial
95
La solución básica factible inicial
x1 + 2x2 4 x1 + 2x2 – x3 = 4
- 3x1 + 4x2 5 - 3x1 + 4x2 - x4 = 5
2x1 + x2 6 2x1 + x2 + x5 = 6
x1, x2 0 x1, x2 , x3, x4, x5 0
- 3x1 + 4x2 - x4 + x7 = 5 x5 = 6, x6 = 4, x7 = 5
2x1 + x2 + x5 = 6 Si se reducen a cero,
se tiene una solución
x1, x2 , x3, x4, x5, x6, x7 0 del problema original
96
La solución básica factible inicial
97
El método de dos fases
Minimizar cTx
(P) Sujeto a Ax = b
x0
Si ω* > 0:
FASE 1 (P) No tiene solución
m
Si ω* = 0:
Minimizar yi • Si ninguna variable artificial está en la base, se
i 1 encontró una base inicial para (P)
• Si alguna variable artificial está en la base, se la
Sujeto a Ax + Im y = b cambia por una variable original mediante
x, y 0 pivotaje
• Si esto no es posible, la ecuación asociada a
esta variable artificial es redundante y puede
eliminarse
98
El método de dos fases
En forma estándar:
99
El método de dos fases
EJEMPLO:
Minimizar w = y1 + y2
FASE 1
Sujeto a x 1 + x2 + x3 + y1 = 6
- x 1 + x2 - x4 + y2 = 3
x1, x2 , x3, x4, y1, y2 0
Z= 0 1 2 0 0
+
y1 6 1 1 1 0
y2 3 -1 1 0 -1
100
EL MÉTODO DE DOS FASES
EJEMPLO: RHS -x1 -x2 -x3 -x4
W= 9 0 2 1 -1
Z= 0 1 2 0 0
FASE 1
y1 6 1 1 1 0
y2 3 -1 1 0 -1
RHS -x1 -y2 -x3 -x4 RHS -y1 -y2 -x3 -x4
W= 3 2 -2 1 1 W= 0 -1 -1 0 0
101
El método de dos fases
ÓPTIMO
102