Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PEDRO
ESCUELA INGENIERIA
INDUSTRIAL
INVESTIGACION DE
OPERACIONES II
PROGRAMACION LINEAL ENTERA
METODO: RAMIFICACION Y ACOTACION O BRANCH AND BOUND
Caracterización de la PLE
La programación lineal también conocida como optimización lineal, es la
maximización o minimización de una función lineal sobre un poliedro convexo
definido por un conjunto de restricciones lineales no negativas. La teoría de la
programación lineal cae dentro de la teoría de la optimización convexa y es
también considerada como parte importante de la investigación de operaciones.
Convertir las inecuaciones en igualdades, agregando variables de holgura
Igualar a cero la Función Objetivo
Pasar los datos a una tabla simplex inicial
La Base Solución
-2 -1 0 0 0 0
1 1 1 0 0 5
-1 1 0 1 0 0
6 2 0 0 1 21
Primera Iteración
Determinar la variable de entrada y salida
Determinar la variable entrante: Para maximizar la variable de entrada es el coeficiente más negativo,
de la fila z: , entonces la variable que entra a la base es
Si existiesen dos o más coeficientes iguales que cumplan la condición anterior (caso de empate), entonces
se optará por cualquier variable.
Una vez obtenida la variable que entra en la base, se procede a determina cual será la variable que sale de
la misma. La decisión se toma en base a un sencillo cálculo: dividir cada término independiente (columna
b o solución) entre el elemento correspondiente de la columna pivote, siempre que ambos elementos sean
estrictamente positivos (mayores que cero). Se escoge la fila cuyo resultado haya resultado mínimo.
, Entonces la variable que sale es
La Base Solución
-2
-2 -1
-1 0
0 0
0 0
0 00
1
1 1
1 1
1 0
0 0
0 55
-1 1 0 1 0 0
-1
6 1
2 0
0 1
0 0
1 0
21
6 2 0 0 1 21
Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:
En la fila del elemento pivote es 5, y este valor debe dividirse entre 5, para convertirlo en 1 y se
calcula como:
Con esto se normaliza el elemento pivote y su valor pasa a ser 1, mientras que el resto de
elementos de la columna pivote se anulan (análogo al método de Gauss-Jordan).
La Base Solución
0
0 -1/3
-1/3 0
0 0
0 1/3
1/3 21/3
21/3
0
0 2/3
2/3 1
1 0
0 -1/6
-1/6 3/2
3/2
0 4/3 0 1 1/6 21/6
0
1 4/3
1/3 0
0 1
0 1/6
1/6 21/6
21/6 (1)(-1)(2)
1 1/3 0 0 1/6 21/6 (1)(-1)(2)
Actualizar la tabla.
Como la celda pivote tiene un valor de 33/5, esta debe convertirse en 1, para eso debe hacer lo
siguiente:
Solución para Subproblema 3
Para tendríamos lo siguiente:
Subproblema 1
z = 7.75
x1 = 2.75
x2= 2.25
x 3
Cota 1
Subproblema 2 Subproblema 3
z=6 z = 7.5
x1 = 2 x1 = 3
x2= 2 x2= 1.5
Como la solución aun no es entera, para , seguimos con la ramificación, para esto consideremos el eje ,
tenemos lo siguiente:
1
2
Subproblema 4 = Subproblema 3 + Restricción( 1)
Subproblema 5 = Subproblema 3 + Restricción( 2)
Solución Subproblema 4
Para 1
Tenemos
Acá observamos que la solución es = 3.1667, =
1; sigue siendo una solución no entera para .
Solución Subproblema 5
Para
Tenemos
En la figura se aprecia que no es factible para esta
restricción 2
Subproblema 1
z = 7.75
x1 = 2.75
x2= 2.25
x1 2 x1 3
Subproblema 2 Subproblema 3
z=6 z = 7.5
x1 = 2 x1 = 3
x2= 2 x2= 1.5
x2 1 x2 2
Cota
Subproblema 4 Subproblema 5
z = 7.33 No factible
x1 = 3.1667
x2 = 1
Del Subproblema 4 tenemos la solución siguiente = 3.16667, = 1, por tanto evaluemos para y 4
Subproblema 6 = Subproblema 4 + Restricción ( )
Subproblema 7 = Subproblema 4 + Restricción ( )
Solución Subproblema 6
Tenemos
El Subproblema 6 nos da la siguiente solución entera: =
3, = 1,
Solución Subproblema 7
Tenemos
Subproblema 2 Subproblema 3
z=6 z = 7.5
x1 = 2 x1 = 3
x2 = 2 x2= 1.5
x 2 1 x 2 2
Subproblema 4 Subproblema 5
z = 7.33 No factible
x1 = 3.1667
x2 = 1
x 2 3 x 2 4
Subproblema 6 Subproblema 7
Valor Optimo z=7 No factible
x1 = 3
x2 = 1
Problema 2
Solución
3. Pasamos los datos en un tablero simplex inicial
Variables Solución
básicas
Paso 4. Verificamos si todos los coeficientes asociados al renglón de Z
son mayores o iguales a cero, si es así, entonces la solución en la tabla es la
óptima y el proceso termina. Si no es así, se continúa.
En este caso existen tres coeficientes negativos asociados al renglón de Z,
Paso 6. Se divide el coeficiente de la columna “Solución” entre el
elemento correspondiente de la columna seleccionada en el punto anterior, y de los
resultados de la división se selecciona el menor valor positivo y todo el renglón
asociado con este valor. Ésta es la variable que sale de la base (pasa a ser no básica).
Nota: Las divisiones entre cero o entre números negativos no se toman en cuenta. Si
todas son negativas o indeterminadas, el problema no tiene solución. Y se termina el
proceso
Variables básicas Solución Resultados
10/3 =
3.333
11/1 =
11.000
13/3=4.333
De la tabla se selecciona el renglón de la restricción uno, o sea .
Variables básicas Solución Resultados
10/2 = 5.00
11/4= 2.75
13/3=4.333
Nota que la variable que entra se escribe en el lugar de la variable que sale, x 2 en el lugar de x5, para esta tabla, y
que lo que se busca es formar una columna con un 1 en el lugar de las intersecciones, esto es, obtener un
elemento pivote y ceros en los demás sitios de la misma columna.
En la parte derecha, fuera de la tabla, se indica la operación que se realizó para obtener como resultado el nuevo
renglón.
Continuamos con el renglón R1 o de la función objetivo:
Variables Solución
básicas
0
0
Paso 8. Se repite el proceso desde el Paso 4 operando sobre matrices hasta obtener
todos los coeficientes del renglón Z, con valores mayores o iguales a cero.
Regresemos al Paso 4. En este caso existe un coeficiente negativo
asociado al renglón de Z, por lo que debe continuar el proceso.
Paso 5. De los coeficientes del renglón Z se toma el que tenga el mayor valor
negativo (número menor) y se selecciona toda la columna. La variable de esta
columna es la que entra al sistema (pasa a ser básica). Seleccionamos x1 como la
variable que entra.
Variables Solución
básicas
0
0
Paso 6. Se divide el coeficiente de la columna “Solución” entre el
elemento correspondiente de la columna seleccionada en el punto anterior, y de los
resultados de la división se selecciona el menor valor positivo y todo el renglón asociado
a este valor. Ésta es la variable que sale de la base (pasa a ser no básica). Nota: Las
divisiones entre cero o entre números negativos no se toman en cuenta. Si todas son
negativas o indeterminadas, el problema no tiene solución y termina el proceso.
Variables Solución Resultados
básicas
0
0
=1.80
=11.00
(19/4)/(9/4)=2.11
(19/4)/(9/4)=2.11
De la tabla se selecciona el renglón de la restricción 1, o R1, por ser el resultado menor que
el resto
Variables Solución Resultados
básicas
0
=1.80
=11.00
(19/4)/(9/4)=2.11
(19/4)/(9/4)=2.11
Paso 7. La celda que se encuentra en la intersección de la columna con el renglón
seleccionado contiene un elemento al que, por medio de operaciones elementales
entre renglones, se convierte en elemento pivote y los demás elementos de su
columna, en ceros; con esto se obtiene una nueva columna de la matriz identidad.
Variables Solución
básicas
Nota que la variable que entra se escribe en el lugar de la variable que sale, x 1 en el
lugar de x4, para esta tabla, y que lo que se busca es formar una columna con un 1
en el lugar del elemento pivote y ceros en los demás sitios de la misma columna.
Paso 8. Se repite el proceso desde el Paso 4 operando sobre matrices hasta obtener
todos los coeficientes del renglón Z, con valores mayores o iguales a cero.
Como en esta última tabla, no todos los coeficientes de renglón R0 o Z son
no negativos, es decir, mayores o iguales a cero, aún hay un valor negativo que
corresponde a x3.
Variables Solución Resultados
básicas
(7/10)/(1)=7/10
(7/10)/(1)=7/10
Por lo tanto, x3 entra a la base y sale es la variable x5. Las demás como tienen 0 en la
columna pivote, no se toman en cuenta.
Variables Solución Resultados
básicas
(7/10)/(1)=7/10
(7/10)/(1)=7/10
Los puntos de cuadrícula en la figura 1 definen el espacio de soluciones de PLE. El problema
PL1 continuo asociado en el nodo 1 (área sombreada) se define a partir de la PLE eliminando
las restricciones enteras. La solución óptima de PL1 es x1= 1.80, x2 = 2.30, x3 = 0.70 y z =
19.40.
Como la solución óptima de PL1 no satisface las restricciones enteras, el espacio de
soluciones se subdivide de una manera sistemática que finalmente localiza el óptimo de la
PLE. En primer lugar, el algoritmo de ramificación y acotamiento selecciona una variable
entera cuyo valor óptimo en PL1 no es entero. En este ejemplo, tanto x1 como x2 y x3 califican.
Seleccionando x1(= 1.80) arbitrariamente, la región 1 x1 2 del espacio de soluciones de PL1
contiene valores no enteros de x1, y por lo tanto puede ser eliminada. Esto equivale a
reemplazar el PL1 original con dos problemas de PL nuevos.
Espacio de PL2 = Espacio de PL1 + (x1 1)
Espacio de PL3 = Espacio de PL1 + (x1 2)
La figura 2 ilustra los espacios de PL2 y PL3. Los dos espacios combinados contienen los
mismos puntos enteros factibles que la PLE original, es decir, que no se pierde información
Espacio de PL2 = Espacio de PL1 + (x1 1)
Espacio de PL3 = Espacio de PL1 + (x1 )