Clase # 8

CONTENIDO:

EL METODO SIMPLEX ADAPTACIN A OTRAS ADAPTACI FORMAS DEL MODELO.

1. Forma estndar del modelo. est 2. Restricciones de igualdad. 3. Restricciones de la forma 4. Funcin objetivo: minimizar Funci 5. Lados derechos negativos 6. Condicin de signo de las variables Condici 6.1 Variable con cota inferior negativa 6.2 Variable libre o irrestricta 6.3 Variable negativa
8-1 8-2

1. Forma estndar del modelo est Maximizar Z = 3X1 + 5X2 Sujeto a X1

2. Restricciones de igualdad.
Cualquier restriccin del tipo a11X1 + a12X2 + .............+ a1nXn = b1 Podra escribirse como: a11X1 + a12X2 + .............+ a1nXn b1 a11X1 + a12X2 + .............+ a1nXn b1
Esto sera inconveniente ya que aumentara el nmero de restricciones. Por cada restriccin de igualdad apareceran dos restricciones de desigualdad

4
2X2 12

3X1 + 2X2 18

X1 , X2 0
8-3

8-4

Lo que se hace entonces es introducir VARIABLES ARTIFICIALES O FICTICIAS

Veamos un ejemplo
8-5

En el ejemplo de la Wyndor Glass Co. Si se camba la tercera restriccin de desigualdad, por una igualdad, se tiene:
Maximizar Z = 3X1 + 5X2 Sujeto a X1 4 2X2 12 3X1 + 2X2 = 18

X1 , X2 0
8-6

10 9 8 7 6 5 4 3 2 1

x2

Problema real Regin factible (solo el segmento de recta) X2=6 (4,3) 3X1 + 2X2=18
1 2 3 4 5 6 7 8 9 10 X1=4

La forma aumentada de este modelo es:

(0) Z - 3X1 - 5X2 (1) (2) (3) X1 2X2 3X1 + 2X2 + X3 +X4 =0 = 4 = 12 = 18

(2,6)

x1
8-7

Cul es la solucin B.F. inicial? No est completa la matriz identidad. Introducir Variables artificiales o ficticias.
8-8

Variables artificiales o ficticias.

Sirven para completar una solucin B.F soluci inicial. Deben ser no negativas Se deben introducir penalizaciones muy grandes en la funcin objetivo. (Cj) funci Sirven como V.B en la ecuacin en que han ecuaci sido introducidas. El proceso iterativo del simplex se deshace de ellas (si el problema real es factible) No pueden aparecer en la solucin final (no soluci tienen significado real)
8-9

Mtodo de la M grande Paso 1.

Adicionar una variable artificial X5 al lado izquierdo de la restriccin de igualdad 3X1 + 2X2 + X5 = 18

Es similar a introducir una variable de holgura

8-10

Paso 2.
Se asigna una penalizacin o castigo enorme en la funcin objetivo por el hecho de incluir la variable artificial X5 0

En el ejemplo de la Wyndor: Wyndor: La forma aumentada del problema artificial es:

(0) Z - 3X1 - 5X2 (1) (2) (3) X1 2X2 3X1 + 2X2 + X3 +X4 +MX5 = 0 = 4 = 12

Se modifica la funcin objetivo, as:

Maximizar Z = 3X1 + 5X2 - M X5 (- M castiga al mximo ) M > 0 y M >>> Cj

+X5 = 18

Solucin B.F. inicial:X1 = 0 , X2 = 0, X3 = 4, X4 = 12, X5 = 18 Soluci B.F. inicial: FACTIBLE para el problema artificial NO FACTIBLE para el problema real Z = -M(18)
8-11 8-12

Comparemos los dos problemas. Problema real Problema artificial

(0,6) Z=30 - 6M

Max Z = 3X1 + 5X2 Max Z = 3X1 + 5X2 - M X5 Sujeto a Sujeto a 4 X1 X1 4 12 2X2 3X1 + 2X2 + X5 = 18 2X2 12 3X1 + 2X2 = 18 X1 , X2 0
( As: 3X1 + 2X2 18 Si X5=0, modelos equivalentes Si X5>0, se tiene 3X1+2X2<18

10 9 8 7 6 5 4 3 Regin 2 factible 1 0

x2

Problema artificial
(2,6) Z= 36

(4,3) Z= 27

X1, X2, X5 0

8-13

1 2 3 4 5 6 7 8 9 10 1 (0,0) Z= 0 - 18M (4,0) Z= 12 - 6M 8-14

SOLUCION POR EL METODO SIMPLEX Recordemos la forma aumentada del problema artificial
(0) Z - 3X1 - 5X2 (1) (2) (3) X1 2X2 3X1 + 2X2 + X3 +X4 +MX5 = 0 = 4 = 12

El rengln (0) no se encuentra en la forma rengl apropiada de la Eliminacin Gaussiana. Eliminaci Gaussiana.

Los coeficientes de las variables bsicas deben ser cero b Expresar el rengln (0) slo en trminos de las V.N.B. rengl s t V.N.B.

(0)

Z - 3X1 - 5X2

+ MX5 +X5

=0 = 18)

+X5 = 18

-M(3) - M ( 3X1 + 2X2 Z - (3M+3) X1 - (2M+5) X2

8-15

= -18M
8-16

1
Iter V.B Ec #

Coeficientes Z X1
-3M -3

2 X4 0 X5 0
L.D Iter V.B Ec #

Coeficientes Z X1 0 X2
-2M-5

X2
-2M-5

X3 0

X3
3M + 3

X4 0

X5 0

L.D

Z (0) 1

-18M

Z (0) 1

-6M+12

X3 (1) 0 X4 (2) 0 X5 (3) 0

1 0 3

0 2 2

1 0 0

0 1 0

0 0 1

4 12 18

X1 (1) 0 X4 (2) 0 X5 (3) 0

8-17

1 0 0

0 2 2

1 0 -3

0 1 0

0 0 1

4 12 6

8-18

3
Iter V.B Ec #

Coeficientes Z X1 0 X2 0 X3 -9/2 X4 0 X5
M+5/2

4
L.D Iter V.B Ec #

Coeficientes Z X1 0 X2 0 X3 0 X4 3/2 X5
M+1

L.D

Z (0) 1

27

Z (0) 1

36

X1 (1) 0 X4 (2) 0 X2 (3) 0

1 0 0

0 0 1

1 3 -3/2

0 1 0

0 -1 1/2

4 6 3

X1 (1) 0 X3 (2) 0 X2 (3) 0

8-19

1 0 0

0 0 1

0 1 0

-1/3 1/3 1/2

1/3 -1/3 0

2 2 6

8-20

3. Restricciones de la forma OBSERVACION: La variable X5 es una V.B en las 2 primeras tablas simplex.
VARIABLE DE EXCESO, EXCEDENCIA O SUPERAVIT

Veamos la restriccin 3 del siguiente ejemplo. restricci Minimizar Z = 0.4X1 + 0.5X2 Sujeto a 0.3X1 + 0.1X2 2.7 0.5X1 + 0.5X2 = 6 0.6X1 + 0.4X2 6
Consideremos la tercera restriccin. (Ms tarde, se considera la F.O)

Las 2 primeras soluciones B.F para este problema artificial son no factibles para el problema real
8-21

X1 , X2 0

8-22

15

X2

0.3X1 + 0.1X2 = 2.7

10

0.6X1 + 0.4X2 6

1. Se resta una VARIABLE DE EXCESO, DE EXCEDENCIA o DE SUPERAVIT al lado izquierdo de la restriccin del tipo para convertirla en igualdad. 0.6X1 + 0.4X2 - X5 = 6 2. A esta restriccin se le adiciona una VARIABLE ARTIFICIAL, para hallar una solucin B.F. inicial. 0.6X1 + 0.4X2 - X5 + X6 = 6
8-24

Regin factible
5

Soluciones en los vrtices

0 5 10

0.5X1 +0.5X2 = 6

X1
15
8-23

Forma aumentada del problema artificial:

Observacin: Observaci
Min Z = 0.4X1 +0.5X2
Sujeto a

+MX4

+MX6 =0

0.3X1 + 0.1X2 + X3 0.5X1 +0.5X2 0.6X1 + 0.4X2 +X4

= 2.7 = 6 - X5 + X6 = 6
8-25

Los coeficientes de las variables artificiales en la funcin objetivo funci son +M en lugar de -M, porque ahora la F.O. es de minimizar. (coeficientes castigo). de penalizacin penalizaci o
8-26

X1 , X2, X3, X4 , X5,, X6 0

4. Funcin Objetivo: minimizacin. 4.1 Cambiar el criterio de los evaluadores: rengln (0) -Vector que entra - Prueba de optimalidad

4.2 Transformar la F.O: Min Z= CjXj j=1 es equivalente a Max -Z= (-CjXj) j=1 Al valor ptimo se le cambia el signo
8-27 8-28

Transformando la funcin objetivo funci

Min Z = 0.4X1 +0.5X2 +MX4 +MX6

Forma aumentada del problema artificial a resolver:

(0) - Z + 0.4X1 +0.5X2 Max - Z = -0.4X1 - 0.5X2 -MX4 - MX6 (1) (2) M es un coeficiente de penalizacin o de castigo: Sus signos son opuestos a la direccin de la F.O.
8-29

+MX4 +X4

+MX6 = 0 = 2.7 = 6

0.3X1 + 0.1X2 + X3 0.5X1 +0.5X2 0.6X1 + 0.4X2

(3)

- X5 + X6 = 6

X1 , X2, X3, X4 , X5,, X6 0

8-30

El problema en la forma estndar de la est Eliminacin Gaussiana. Eliminaci

1
Iter V.B Ec #

Coeficientes
Z

X1

X2

X3 0

X4 0

X5 M

X6 0

L.D

0 Z (0) -1

-1.1M+0.4 -0.9M+0.5

-12M

(0) - Z + 0.4X1 +0.5X2 -M(2) - M( 0.5X1 +0.5X2 -M(3) -M (0.6X1 + 0.4X2

+ MX4

+MX6 = 0
X3 (1) 0 X4 (2) 0 X6 (3) 0 0.3 0.5 0.6 0.1 0.5 0.4 1 0 0 0 1 0 0 0 -1 0 0 1 2.7 6 6

+ X4 = 6) - X5 + X6 = 6)

- Z + (0.4 -1.1M) X1 + (0.5-0.9M) X2 +MX5 =12M Veamos las tablas simplex

8-31

8-32

2
Iter V.B Ec #

Coeficientes
Z

3 X5 M X6 0
L.D Iter V.B Ec #

Coeficientes
Z

X1 0

X2
30

X3
3

X4 0

X1 0

X2 0

X3
-5 M + 7 3

X4 0

X5

X6

L.D

0 Z (0) -1

-16 M+11 11 M - 4

-2.1M-3.6

0 Z (0) -1

-5 M + 11 8 M - 11 -0.5M-4.7 3 3 6 6

X1 (1) 0 X4 (2) 0 X6 (3) 0

1 0 0

1/3 1/3 0.2

10/3 5/3 -2

0 1 0

0 0 -1

0 0 1

9 1.5 0.6

X1 (1) 0 X4 (2) 0 X2 (3) 0

1 0 0

0 0 1

20/3 5/3 -10

0 1 0

5/3 5/3 -5

-5/3 -5/3 5

8 0.5 3

8-33

8-34

4
Iter V.B Ec #

Coeficientes
Z

5. Lados derechos negativos.

X5 0 0 1 0 X6
L.D

X1 0

X2 0 0 0 1

X3 0.5 5 1 -5

X4
M-1.1

Se multiplica toda la restriccin por (-1), as: a11X1 + a12X2 + .............+ a1nXn = -bi -a11X1 - a12X2 - .............- a1nXn = bi En restricciones de desigualdad, al multiplicar por (-1), se invierte el signo de sta, as: a11X1 + a12X2 + .............+ a1nXn -a11X1 - a12X2 - .............- a1nXn

0 Z (0) -1

M -5.25 0 -1 0 7.5 0.3 4.5

X1 (1) 0 X5 (2) 0 X2 (3) 0

1 0 0

-1 0.6 3

- b1
b1
8-36

8-35

6. Condicin de signo de las variables.

Algunas veces, las variables de decisin no requieren tomar valores no negativos

6.1.Variables con cota inferior negativa

Las que satisfacen una restriccin de la forma

El algoritmo simplex exige hallar un problema equivalente que slo contenga variables no negativas, debido al procedimiento para hallar la variable bsica que sale.
8-37

Xj Lj
donde Lj es una constante negativa.

8-38

Se define Xj =Xj - Lj

donde Xj 0

Comparemos los problemas.

Problema Original

Problema equivalente

En el ejemplo de la Wyndor: Suponga que X1 representa el aumento en la tasa de produccin del producto 1 (puertas). Actualmente la tasa de produccin es de 10 unidades. Entonces

Max Z = 3X1 + 5X2 Max Z = 3(X1 -10) + 5X2 Sujeto a Sujeto a X1

4
2X2 12

X1 - 10 2X2 3(X1 - 10) + 2X2 X1 0, X2 0

X1 -10
Se define X1 =X1 - (-10) donde X1 0

4 12 18

3X1 + 2X2 18 X1 -10, X2 0

8-39

Es decir: X1 =X1 + 10

8-40

6.2.Variables no restringidas en signo (n.r.s) (variables libres o irrestrictas)

Se puede cambiar la variable n.r.s por la diferencia de 2 variables no negativas.

Comparacin de los dos problemas. Comparaci Problema original Problema equivalente

Max Z = 3X1 + 5X2 Max Z = 3(X1+ -X1-) +5X2 Sujeto a Sujeto a X1

4
2X2 12

X1+ -X12X2 3(X1 -X1-) + 2X2

+

Xj n.r.s
X j = X j+ - X j8-41

4 12 18

3X1 + 2X2 18 X1 n.r.s , X2 0

X1+ , X1- 0 , X2 0
8-42

6.3 Variables negativas

8-43