metodo simplex
TRANSCRIPT
1
Método Simplex
Investigación Operativa I
Mg. Giovana Valverde Ayala
Mg. Giovana Valverde A. 2
El Método Simplex
Es un procedimiento algebraico creado por GeorgeDantzig en 1947 para hallar la solución óptima a un problema de Programación Lineal.
Con este método, en vez de probar con cada punto extremo de la región de factibilidad, se inicia con cualquier punto extremo de la región de factibilidad y mediante transformaciones elementales se llega a puntos extremos más eficientes.
Mg. Giovana Valverde A. 3
EstandarizaciónEs el proceso por el cual se eliminan las inecuaciones del sistema añadiendo variables de holgura o de excedencia obteniendo así un sistema de ecuaciones .
Modelo General:Max o (Min) s.a:
∑=
=n
iii XCZ
1
j
n
iiij bXa∑
= ≥≤
1
0≥∀ iX
mjni
,...,2,1,...,2,1
==
Forma Estándar:00
11=±− ∑∑
==
n
ij
n
iii SXCZ
j
n
ijiij bSXa∑
=
=±1
0, ≥∀ ji SX
s.a:
Max o (Min)
mjni
,...,2,1,...,2,1
==
Mg. Giovana Valverde A. 4
Estandarización (Cont.)Ejm:
Max z = 2x1 + 5x2 – x3s.a: x1 + x2 <= 3
x2 + 2x3 >= 1x1 + x3 <= 4
Estandarizando:Max z - 2x1 - 5x2 + x3 - 0S1 + 0S2 - 0S3 = 0
x1 + x2 + S1 = 3x2 + 2x3 - S2 = 1x1 + x3 + + S3 = 4
niX i ,...,1,0 =≥∀
mjSniX
j
i
,...,1,0,...,1,0
=≥∀=≥∀
2
Mg. Giovana Valverde A. 5
En las restricciones (≤) el lado derecho representa el límite
sobre la disponibilidad de un recurso y el lado izquierdo el
uso de ese recurso limitado.
Una holgura representa la cantidad del recurso que no se
utiliza.Las variables positivas Sj introducidas para convertir las desigualdades <= en igualdades, y se llaman variables de holgura.
Variables de Holgura
Mg. Giovana Valverde A. 6
Variables de Holgura - Ejemplo
Max z= 3x1 + 4x2
S.a:
6x1+ x2 <= 162x1+3x2 <= 9
El problema adopta la forma estándar con n+m= 4 incognitas.
6x1+ x2 + S1 = 162x1+3x2 +S2 = 9
∀ xi≥0, i=1,2
∀ xi≥0, i=1,2
∀ Sj ≥0, j=1,2
Si x1:cantidad de producto1 que se debe producirx2:cantidad de producto2 que se debe producir
Según el tiempo de producción del dpto:6x1+ x2 <= 16
Uso del recurso tiempo Limite del recurso Tiempo
Mg. Giovana Valverde A. 7
Variable de Superávit o Excedencia
Las restricciones (≥) determinan requerimientos mínimos
de especificaciones.
Un superávit representa el exceso del lado izquierdo sobre
el requerimiento mínimo.
Las variables positivas Sj introducidas para convertir las desigualdades >= en igualdades, se llaman variables excedentes.
Mg. Giovana Valverde A. 8
Variables Excedentes - EjemploMin z= 5x1 + x2S.a:
2x1 + 4x2 >= 17x1 - 6x2 >= 10
El problema adopta la forma estándar con n+m= 4 incógnitas.
2x1+ 4x2 - S1 = 17x1+6x2 - S2 = 10
∀ xi≥0, i=1,2
∀ xi≥0, i=1,2
∀ Sj ≥0, j=1,2
3
Mg. Giovana Valverde A. 9
Definiciones previas
Solución básica: Resulta de resolver el sistema para las m variables básicas y hacer las n-m restantes iguales a cero.Solución factible: Aquella sol. donde se cumplen todas las restricciones.Solución factible básica: Aquella sol. básica donde se cumplen todas las restricciones, que vienen a ser los puntos extremos.
Mg. Giovana Valverde A. 10
Definiciones previas
EJEMPLO:Sea:
Max Z = 2x1+x2
S.a:L1: x1 + 2x2 ≤ 4L2: x1 ≤ 2L3: -x1 + x2 ≤ 1
0 ≤ x1, x2
(0,0)
Solución básica factible óptima
Z*=6X1=2X2=1
Mg. Giovana Valverde A. 11
Definiciones previas
Tenemos:
Soluciones básicas: (0,2), (0,1), (-1,0), (4,0), (2,1), (2,0), (2/3,5/3), (2,3), (0,0)
Soluciones factibles: Toda la región sombreada, es decir; generada por las inecuaciones.
Soluciones factibles básicas: (0,1), (2,1), (2,0), (2/3,5/3), (0,0)
Solución factible básica óptima: (2,1)
Mg. Giovana Valverde A. 12
Soluciones Básicas Factibles
En el sistema Ax=b, x>=0A =[ B N]mxn , b es un vector, B es una matriz invertible mxm
y N es una matriz mx(n-m)
Definición: El punto x=[xB,xN] se llama solución básica del sistema, con:
xB= B-1b variables básicas
xN= 0 variables NO básicas
Si xB>=0, entonces se llama solución básica factible del sistema.B es la matriz básica (Base) y N es la matriz No básica.
Si xB>0, x se llama solución básica factible No degenerada.
Si al menos una componente de xB es cero, entonces x se llama solución básica factible degenerada.
Solución básica:Resulta de resolver el sistema para las m variables básicas y hacer las n-m restantes iguales a cero.
4
Mg. Giovana Valverde A. 13
EjemploSea un conjunto poliédrico definido por las sgtes desigualdades:
2 x1 + 4 x2 <= 8 ..........L1
3 x1 + 2 x2 <= 6 ..........L2x1,x2 >=0
L2
x1
x2
L1
(0,0)
( 1 , 3/2 )( 0, 2 )
( 2 , 0 ) : Puntos Extremos
Soluciones Básicas Factibles
Mg. Giovana Valverde A. 14
...EjemploStandarizamos agregando variables de holgura:
2 x1 + 4 x2 + S1 = 83 x1 + 2 x2 + S2 = 6
x1, x2, S1, S2 >=0
La matriz de Restricciones A=[a1,a2,a3,a4]=
Hallaremos la solución básica factible encontrando un Bmxm=B2x2
Tal que xB= B-1b >=0Posibles formas en las que B se puede extraer de A:
⎥⎦
⎤⎢⎣
⎡10230142
[ ] ⎥⎦
⎤⎢⎣
⎡==
2342
,)1 21 aaB
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−
−==⎥
⎦
⎤⎢⎣
⎡= −
231
68
418321411
2
1 bBxx
X B ⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=
00
4
3
xx
X N
Mg. Giovana Valverde A. 15
...Ejemplo
⎥⎦
⎤⎢⎣
⎡−
=⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−
==⎥⎦
⎤⎢⎣
⎡= −
64
68
1230211
4
1 bBxx
X B ⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=
00
3
2
xx
X N
[ ] ⎥⎦
⎤⎢⎣
⎡==
1302
,)2 41 aaB
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−
==⎥⎦
⎤⎢⎣
⎡= −
42
68
3213101
3
1 bBxx
X B ⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=
00
4
2
xx
X N
[ ] ⎥⎦
⎤⎢⎣
⎡==
0312
,)3 31 aaB
⎥⎦
⎤⎢⎣
⎡−
=⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−
==⎥⎦
⎤⎢⎣
⎡= −
43
68
212101
3
2 bBxx
X B ⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=
00
4
1
xx
X N
[ ] ⎥⎦
⎤⎢⎣
⎡==
0214
,)4 32 aaB
Mg. Giovana Valverde A. 16
...Ejemplo
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−
==⎥⎦
⎤⎢⎣
⎡= −
22
68
1210411
4
2 bBxx
X B ⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=
00
3
1
xx
X N
[ ] ⎥⎦
⎤⎢⎣
⎡==
1204
,)5 42 aaB
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡==⎥
⎦
⎤⎢⎣
⎡= −
68
68
10011
4
3 bBxx
X B ⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=
00
2
1
xx
X N
[ ] ⎥⎦
⎤⎢⎣
⎡==
1001
,)6 43 aaB
Los casos 1,3,5 y 6 son soluciones básicas factibles.Los casos 2 y 4 son soluciones básicas pero no factibles
porque una de las componentes del XB es menor que cero, por lo tanto viola las condiciones de no negatividad.
5
Mg. Giovana Valverde A. 17
...EjemploNuestras soluciones básicas factibles en E4 son:
Estos puntos pertenecen a E4 porque al introducir las variables de holgura se tienen n+m=2+2 = 4 variables.Puntos proyectados en E2: se tienen las sgtes soluciones básicas factibles:
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
6800
,
2020
,
0402
,
00
231
⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡00
,20
,02
,31
1
Estos son los puntos extremos de la región factible.Mg. Giovana Valverde A. 18
Número de Soluciones Básicas Factibles
En general el número de Soluciones Básicas Factibles es menor o igual que:
Del ejemplo anterior:
El numero de Soluciones Básicas Factibles fue:NSBF= 4 <= 6
Los puntos del caso 2 y 4 violaron la No Negatividad.
)!(!!
mnmn
mn
−=⎟⎟
⎠
⎞⎜⎜⎝
⎛
6)!24(!2
!424
=−
=⎟⎟⎠
⎞⎜⎜⎝
⎛
Número de variables→
Número de restricciones →
Mg. Giovana Valverde A. 19
Función Objetivo
La función representativa de la medida de eficiencia(FUNCION OBJETIVO Z) debe ser igual a la suma algebraica del producto de cada nivel de actividad(VARIABLE DE CONTROL Xi) por la contribución positiva o negativa de dicha actividad (Ci) a la medida de eficiencia del sistema.
Z = c1x1 + c2x2 + c3x3+…+cnxn
Mg. Giovana Valverde A. 20
Definición de las Variables
Z = Medida de eficiencia del sistema.
Ci = Contribución de una unidad de actividad al valor de la
medida de eficiencia.
Xi = Nivel de la actividad i o variable de control o variable
de decisión.
aij = cantidad de actividad i necesario para cada unidad de
recurso j.
bj = Cantidad de recurso j disponible.
6
Mg. Giovana Valverde A. 21
Condición de Optimalidad
Se verifica en la Función Objetivo
El objetivo es encontrar la variable NO básica que entrará a la base.
Mg. Giovana Valverde A. 22
Condición de Optimalidad
Problema de Maximización:La variable entrante es seleccionada como la variable NO básica que tiene el coeficiente más negativo en la ecuación de la función objetivo.El Proceso termina cuando todos los coeficientes de las variables NO básicas son cero o positivos.Problema de Minimización:La variable NO básica que entra a la base es la que tiene el coeficiente más positivo en la ecuación de la función objetivo.El proceso termina cuando todos los coeficientes son negativos o cero.
Mg. Giovana Valverde A. 23
Condición de Factibilidad
Se verifica en las Restricciones
El objetivo es encontrar la variable Básica que saldrá de la base.
Mg. Giovana Valverde A. 24
Condición de Factibilidad
La variable que sale de la base es la variable básica correspondiente al más pequeño cociente obtenido de dividir los valores de la solución y los coeficientes positivos de la restricción de la variable entrante.
7
Mg. Giovana Valverde A. 25
El Método Simplex
PROCEDIMIENTO
1. Se estandarizan la función objetivo y el sistema de
inecuaciones que determina al problema.
2. Se expresa el problema en forma de tabla.
3. Se escoge la solución básica inicial y empieza la iteración.
4. Generar una nueva solución factible usando las condiciones
de optimalidad y factibilidad hasta que dicha solución
óptima sea obtenida, siempre que exista y sea finito.
Mg. Giovana Valverde A. 26
Método Simplex - Forma de Tabla
xn...x2x1 Sm...S2S1
b20...10a2n...a22a210S2
.................................
0
0
0
...
...
...
1
0
0
bm0amn...am2am10Sm
b11a1n...a12a110S1
00cn...c2c11Z
Disponib.bj
Var. BásicasVar. NO BásicasVar. De DecisiónValor
Objetivo
Matriz Tecnológica Matriz Básica
Coef.F.O.
0011
=+− ∑∑==
m
jj
n
iii SxcZForma
Estándar
Mg. Giovana Valverde A. 27
Ejemplo:
Un carpintero fabrica sillas y mesas, su producción estálimitada por lo siguiente:Él dispone por semana 36 listones.
Para cada silla requiere 4 listones de madera.Para cada mesa requiere 4 listones de madera.
Él dispone por semana 48 horas de mano de obra.Para cada silla dispone 3 horas de mano de obra.Para cada mesa dispone 6 horas de mano de obra.
Determine el plan de producción óptima, si:La utilidad por silla es s/200La utilidad por mesa es s/300
Mg. Giovana Valverde A. 28
Solución
Variables de decisión:X1: cantidad de sillas a producirX2: cantidad de mesas a producir
F.O.: Maximizar ganancias (beneficios)Max z= 200 x1 + 300 x2s.a:
Según limitación de madera:4 x1 + 4 x2 <= 36
Según mano de obra:3 x1 + 6 x2 <= 48
Restricción de No negatividadx1, x2 >= 0
8
Mg. Giovana Valverde A. 29
Interpretación de las Variables según el ejemplo
Z = Medida de eficiencia del sistema.
Z=utilidad
Ci = Contribución de una unidad de actividad al valor de la medida de eficiencia.
C1: s/200 de utilidad por silla
C2:s/300 de utilidad por mesa
Xi = Nivel de la actividad i o variable de control o variable de decisión.
X1:cantidad de sillas a producir
X2:cantidad de mesas a producir
aij = cantidad de actividad i necesario para cada unidad de recurso j.
a11: cantidad de recurso madera necesario para producir cada unidad de producto silla
a22: cantidad de recurso mano de obra necesario para producir cada unidad de producto mesa
bj = Cantidad de recurso j disponible.
b1: cantidad de recurso madera
b2:cantidad de recurso mano de obra
Mg. Giovana Valverde A. 30
Convertir las desigualdades en igualdades Se introduce una variable de holgura por cada una de las restricciones, para convertirlas en igualdades, resultando el sistema de ecuaciones lineales:Max z= 200 x1 + 300 x2 + 0 s1 + 0 S2s.a:
4 x1 + 4 x2 + S1 = 363 x1 + 6 x2 + S2 = 48x1, x2, S1, S2 >= 0
Max z - 200 x1 - 300 x2 - 0 s1 - 0 S2 = 0
Solución básica inicial
1. Estandarizando:
Mg. Giovana Valverde A. 31
2. Escribir el problema en forma de tabla
4810630S2
3601440S1
000-300-2001Z
bjS2S1X2X1Z
Var. no básicas Var. básicasTérmino
independiente
Elemento pivote
ITERACION 1
36/4=9
48/6=8
(3) Solución Basica inicial Mg. Giovana Valverde A. 32
4. Encontrar la variable No básica que entra en la base y la variable básica que sale de la base
Por la condición de optimalidad:Para escoger la variable No básica que entra en la base, nos fijamos en los coeficientes de las variables No básicas en la función objetivo y escogemos la variable con el coeficiente más negativo.Lo que va a determinar el final del proceso de aplicación del método del simplex es que los coeficientes de las variables No básicas en la función objetivo sean ceros o positivos.
9
Mg. Giovana Valverde A. 33
Por la Condición de factibilidad:
Para encontrar la variable básica que tiene que salir de la base, se divide cada término de la última columna (valores solución) por el término correspondiente de la columna pivote, siempre que estos últimos sean mayores que cero.
Si hubiese algún elemento menor o igual que cero no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendríamos una solución no acotada y no se puede seguir.
El término de la columna pivote que en la división dé lugar al menor cociente positivo, indica la fila de la variable básica que sale de la base.
Si al calcular los cocientes, dos o más son iguales, indica que cualquiera de las variables correspondientes pueden salir de la base, es arbitrario.
Mg. Giovana Valverde A. 34
ITERACION 2
81/6011/20X2
4-2/31020S1
24005000-501Z
bjS2S1X2X1Z
4/2=2
8/1/1/2=16
Mg. Giovana Valverde A. 35
ITERACION 3
71/3-1/4100X2
2-1/3½010X1
2500-50/325001Z
bjS2S1X2X1Z
Cond. de Optimalidad para el problema de maximización:El Proceso termina cuando todos los coeficientes de las variables NO básicas son cero o positivos.
Solución óptima
Mg. Giovana Valverde A. 36
Los solución óptima es: 2500. En la misma columna se puede observar el vértice donde se alcanza, observando las filas correspondientes a las variables de decisión que han entrado a la base: (x1, x2) = (2,7)
Z* = 2500
X1=2
X2=7
S1=0
S2=0
Solución básica factible óptima
Comprobando la factibilidad:Z= 200x1+ 300x2 = 200(2)+300(7) = 2500S.a.: 4(2) + 4(7) <=36
36 <=363 (2) + 6 (7) <= 48
48 <=48
x1 >= 0 , x2 >= 0
10
Mg. Giovana Valverde A. 37
INTERPRETACIÓN GEOMÉTRICA F.O: Max Z= 200x1+ 300x2
S.a.: 4x1 + 4x2 <=36 .... L13x1 + 6x2 <= 48 .... L2
x1 >= 0 , x2 >= 0
L2
x1
x2
L1
(0,0)
( 2 , 7 )( 0, 8 )
( 9 , 0 )
( 0, 9 )
A
B C
D( 16 , 0 )
Mg. Giovana Valverde A. 38
En la primera iteración se ha calculado el valor de la función objetivo en el vértice A(0,0), siendo este 0. A continuación se desplaza a B. En esta segunda iteración se ha calculado el valor que corresponde al vértice B(0,8): Z=f(0,8) = 2400 Sigue hasta llegar a C. En esta tercera iteración se ha calculado el valor que corresponde al vértice C(2,7) : Z=f(2,7)=2500. (z óptimo)
INTERPRETACIÓN GEOMÉTRICA
El valor máximo de la función objetivo es 2500, y corresponde a x1 = 2 y x2 = 7 (vértice C). Si se calcula el valor de la función objetivo en el vértice D(9,0), su valor sería 1800 y no supera el valor de 2500.
Mg. Giovana Valverde A. 39
Interpretación del problema
Z* = 2500
X1=2
X2=7
S1=0
S2=0
El carpintero debe producir 2 sillas y 7 mesas por semana para tener un beneficio máximo de s/ 2500.
Solución básica factible óptima