Maximizacion de Funciones PDF

Optimizacin lineal: Resolucin grfica y el Simplex
Contenidos
Solucin grfica Mtodo Simplex Inicializacin del mtodo Simplex

Mtodo de las dos fases Mtodo de las penalizacin (o de la M mayscula)
Universidad Pontificia Comillas de Madrid
OPTIMIZACIN LINEAL. 2
Solucin grfica (i)

Ejemplo:
Un artesano fabrica trenes y camiones de juguete Utilizando tornillos, bloques y ruedas como componentes En la semana prxima dispone de 8000, 6000 y 6300 componentes respectivas Los beneficios por tren y camin son 1.6 euros/unidad y 1.4 euros/unidad
Tornillos Tren Camin 10 20
Bloques 15 10
Ruedas 18 6
Solucin grfica (ii)

Formulacin matemtica:
Max Z = 1.6 x1 + 1.4 x2 sujeto a : 10 x1 + 20 x2 8000 15 x1 + 10 x2 6000 18 x1 + 6 x2 6300 x1 , x2 0

x1 : Nmero de trenes a fabricar x2 : Nmero de camiones a fabricar
Maximizacin del beneficio total
Existencias TORNILLOS Existencias BLOQUES Existencias RUEDAS
Se consideran variables reales en primera aproximacin
Solucin grfica (iii)

Representacin grfica de restricciones
x2 r1: 10x1 + 20x2 <= 8000
TORNILLOS
400
(0, 400)
300
(200, 300) r2: 15x1 + 10x2 <= 6000
BLOQUES
200
Regin factible
(300, 150) r3: 18x1 + 6x2 <= 6300
100
RUEDAS
(350, 0)
x1
(0, 0)
100
200
300
400
Solucin grfica (iv)

Rectas de isobeneficio:
x2 r1: 10x1 + 20x2 <= 8000 (0, 400)
TORNILLOS
400
SOLUCIN PTIMA
(200, 300) r2: 15x1 + 10x2 <= 6000
300
BLOQUES
200 (300, 150) r3: 18x1 + 6x2 <= 6300 100 Gradiente: (1.6,1.4) Z = 740 (350, 0) (0, 0) 100 200 300 400 Z = 690 Z = 560 = 1.6x1 +1.4x2 Universidad Pontificia Comillas de Madrid Z=0
RUEDAS
x1
Solucin grfica (v)

Solucin ptima: La solucin ptima es fabricar 200 trenes y 300 camiones Se utilizan todas las existencias de tornillos (8000) Se utilizan todas las existencias de bloques (6000) Se utilizan 5400 ruedas sobrando 900 de las existencias El beneficio resultante es de 740 euros
Mtodo Simplex (i)

Geometra de la programacin lineal
Poliedro: Regin definida por la interseccin de un conjunto finito de hiperespacios hiperespacios
a
j
ij
x j bi x j bi
a
j
ij
La regin factible de un problema de programacin lineal es un poliedro Vrtice de un poliedro: punto que no se expresa como combinacin lineal convexa de dos puntos distintos de un poliedro
Si existe un nico ptimo en un problema de programacin lineal, ste se encuentra en un VRTICE

Mtodo Simplex (ii)

Forma estndar
min max Z = cT x A x = b x0 x
n
Problema del artesano

Max Z = 1.6 x1 + 1.4 x2 + 0 h1 + 0 h2 + 0 h3 sujeto a :
n
; A
mxn
; c
; b
10 x1 + 20 x2 + h1 15 x1 + 10 x2 + 18 x1 + 6 x2 + x1 , x2 , h1 , h2 , h3 0 h2
= 8000 = 6000 h3 = 6300
b 0
cT = ( 1.6, 1.4, 0, 0, 0 ) xT = ( x1 , x2 , h1 , h2 , h3 ) 10 20 1 0 0 A= 15 10 0 1 0 18 6 0 0 1
8000 b= 6000 6300

Mtodo Simplex (iii)

Mtodos para transformar a la forma estndar
Restricciones
j
a
Restricciones
j
: Se introduce una variable de defecto u 0

i
ij
x j bi aij x j + ui = bi
j
:
ij
Se introduce una variable de exceso

j
vi 0
x j bi aij x j vi = bi
Variables negativas :
x j 0
x j = y j ; 0 y j +
x j = x+ j xj 0 x 0 x+ j j
Variables libres : Se sustituye por 2 variables
Parmetro bi<0: Multiplicar por -1 la i-sima restriccin
a x
j
ij j
bi (aij ) x j (bi )
j
Mtodo Simplex (iv)

Tipos de Soluciones
Solucin Factible: Satisface todas las restricciones Pertenece a la regin factible Solucin Infactible: Viola al menos una restriccin No pertenece a la regin factible Solucin Bsica Factible: Es factible Tiene m variables bsicas asociadas a una matriz B no singular de restricciones en A, de rango m, que toman valor<>0 y el resto=0 Solucin ptima : Solucin factible con mejor valor de la f.o.
Nmero de restricciones
Mtodo Simplex (v)

Descomposicin en componentes BASICAS y NO BASICAS (notacin)
B A = [ B, N ] N c = [ cB , c N ]
T T
mxm
matriz BASE matriz NO BASICA
mx ( n m )
cB c N
T
coeficientes de variables BASICAS coeficientes de variables NO BASICAS vector de variables BASICAS vector de variables NO BASICAS
nm
x = [ xB , x N ]
T
xB xN
nm
El simplex se mueve por soluciones bsicas factibles (vrtices) que van mejorando la f.o., sustituyendo una variable bsica por una no bsica
Mtodo Simplex (vi)

Deteccin variables no bsicas para entrar en la base
A x = b B xB + N x N = b
Funcin objetivo
xB = B 1 ( b N xN ) = B 1 b B 1 N xN
Vector de costes reducidos
T T T T 1 z = cB xB + c T x c b c c B N = + N N B N B xN
= B 1b Notacin: b
Los costes reducidos para una solucin factible arbitraria
c j cBT B 1a j = c j cBT y j = c j z j
Notacin:
Vector de costes reducidos
T j = cj z j; y j = B 1a j ; z j = cB yj; c
j indices no basicos
a j : columna de A correspondiente a la variable x j

Mtodo Simplex (vii)

Los costes reducidos en la funcin objetivo:
1 cT cT B 1N x = z + (c j z j )x j + z = cT B b B B N N j
= cT Notacin: z B xB
El coste reducido indica el cambio en la f.o. debido a un incremento unitario de una variable no bsica En el ptimo de un problema de minimizacin todos los costes reducidos de las variables no bsicas son 0 (para maximizacin, todos 0) Fuera del mnimo debe existir un coste reducido para una variable no bsica < 0 (para el mximo, debe existir uno >0) Los costes reducidos de las variables bsicas son siempre 0 Si el coste reducido de una variable no bsica en el ptimo es 0 entonces pueden aparecer mltiples ptimos: Para que sean diferentes ptimos, la variable no bsica con coste reducido 0 ha de tomar valor 0 al entrar en la base
Mtodo Simplex (viii)

Las soluciones mltiples son combinacin lineal convexa de los distintos vrtices ptimos: Ejemplo con dos soluciones ptimas
(x , x ) (x , x )
1 1 1 2 2 1 2 2
1 2 x1 = x1 + (1 ) x1 0 1 1 2 x x 1 x = + ( ) 2 2 2
Incremento de la variable NO BASICA entrante:

Se incrementa desde cero una variable NO BSICA t hasta que alguna variable BSICA deje de ser positiva y se haga cero
$ Y x = b $y x xB = B 1b B 1 N xN = b N t t
B xB + N x N = b
El resto de no bsicas Permanecen iguales a cero
1 Notacin: Y = B N
Mtodo Simplex (ix) y x (x ) = b

B i i it t
Si Si
yit > 0
( xB )i Disminuye cuando xt se incrementa hasta ( xB )i

(hasta que se anula) Aumenta o permanece
yit 0
yit 0
b i yit
Si todas las
el problema resulta no acotado z = z + (ct zt )xt
Mximo incremento de variable NO BASICA entrante:

La variable NO BSICA elegida como variable BSICA ENTRANTE se incrementa hasta que la primera variable BSICA se anula
La variable BSICA SALIENTE es la que primero se anula
b i x t = min : yit > 0 1i m yit

Mtodo Simplex (x)

PASOS del mtodo SIMPLEX (i)
c Inicializacin: Formulacin del problema en forma estndar.

0 xB = B 1 b = b
Se encuentra una solucin bsica factible inicial, es decir, B tal que:
d Prueba de optimalidad: Se calculan los costes reducidos

N T = cN T cBT B 1 N c
Si en minimizacin todos los costes reducidos son 0 (en maximizacin 0) entonces la base es ptima Si en minimizacin existe algn coste reducido <0 (en maximizacin >0) se selecciona var. bsica entrante xt aquella cuyo coste reducido negativo (positivo en maximizacin) tenga mayor valor absoluto
Mtodo Simplex (xi)

PASOS del mtodo SIMPLEX (ii)
e Iteracin
yt = B 1 at
: columna pivote de
xt xs
b b s i = min : yit > 0 : variable bsica saliente yst 1i m yit

Si todas las
yit 0
el problema resulta no acotado
f Pivotamiento
Actualizacin de la matriz B Actualizacin del vector de variables bsicas Volver al paso d
1
xB
Mtodo Simplex (xii)

Forma tabular:
Se expresa el problema de optimizacin en una tabla con la siguiente estructura:
Var.bsicas
xN cNT N
xB
Valores Funcin objetivo
cBT B b
xB
Restricciones
Tabla inicial del simplex:

Se resta de la funcin objetivo las restricciones multiplicadas por cBT B-1 Se multiplican las restricciones por B-1
Var.bsicas Dividir valores por Y=B-1N para determinar variable saliente xB Valores Costes 0 reducidos
xN cNT-cBTB-1N xB B-1 N
B-1 b
Valores solucin0
Mtodo Simplex (xiii)

Eliminacin gaussiana:
Sirve para actualizar la tabla (por tanto B-1) de una a otra iteracin
Se pone un 1 en el elemento pivote y un 0 en el resto de la columna

Dividir la fila pivote por el elemento pivote yst Restar a cada una de las dems filas (incluida la f.o.) la nueva fila pivote multiplicada por el elemento de la fila y la columna pivote
Iteracin 1 (problema artesano)

x1 1.6 h1 Variable bsica saliente h2 h3 10 15 18 x2 1.4 20 10 6 h1 0 1 0 0 h2 0 0 1 0 h3 0 0 0 1 8000 6000 6300 Vals.
Divisin
+1.6 8000/10 -10 6000/15 -15 6300/18 /18
Variable bsica entrante

El elemento pivote resulta
y31
Mtodo Simplex (xiv)

Iteracin 2
Tiene que aparecer la matriz identidad en las variables bsicas Los costes reducidos de las variables bsicas tienen que ser 0 El lado derecho de la tabla tiene que seguir siendo 0 x1 0 Variable bsica saliente h1 h2 x1 0 0 1 x2 ) 0.86 ) 16.6 5 1/3 h1 0 1 0 0 h2 0 0 1 0 h3 ) 0.08 ) 0.5 -5/6 1/18 Vals. 4500 750 350
Relacin
) 0.86 ) 4500 ) = 270 16.6
16.6
150 1050
/5 -1/3
El elemento pivote resulta y22
f.o.: 560
(0,0) (350,0)
Mtodo Simplex (xv)

Iteracin 3
x1 Variable bsica saliente 0 h1 x2 x1 0 0 1 x2 0 0 1 0 h1 0 1 0 0 h3 ) ) 0.173 0.05
) 3.3
) 2.2
h2
Vals. 2000 150 300
Relacin
) 0.05
900 nulo 2700
) / 2.2
+1/6 -1/9
1/5 -1/15
-1/6 1/9
f.o.: 690
(300,150) (0,0) (350,0)
El elemento pivote resulta y12
Mtodo Simplex (xvi)

Iteracin 4
x1 0 h3 x2 x1 0 0 1 x2 0 0 1 0 h1 -0.025 0.45 0.075 -0.05 h2 -0.09 -1.5 -0.05 0.1 h3 0 1 0 0 900 300 200 Vals.
Todos los costes reducidos son negativos o nulos por lo que el ptimo ha sido alcanzado Solucin ptima: (200, 300) Funcin objetivo: 740
Inicializacin Mtodo Simplex (i)

Tabla inicial del simplex: No siempre es posible encontrar la identidad en A con b 0 Mtodos para encontrar solucin bsica factible inicial
Basados en la incorporacin de variables artificiales En las restricciones se introducen las variables de defecto hi En las restricciones se introducen variables de exceso ei y tambin variables artificiales ai (las de exceso tienen coeficiente -1) En las restricciones = se introducen directamente variables artificiales
a
j
ij
x j bi aij x j + hi = bi
j
a
j
ij
x j bi aij x j ei + ai = bi
j
a
j
ij
x j = bi aij x j + ai = bi
j
Inicializacin Mtodo Simplex (ii)

Solucin bsica factible inicial (cont.)
Las variables artificiales y las variables de holgura de defecto (en restricciones ) constituyen la base inicial del Simplex
Las soluciones con variables artificiales positivas no son factibles, pues estas variables realmente no existen Los mtodos de las dos fases y de penalizacin tratan de eliminar las variables artificiales, y encontrar la solucin ptima Si no se pueden eliminar las variables artificiales problema INFACTIBLE
Inicializacin Mtodo Simplex (iii)

Mtodos de anulacin de variables artificiales
Mtodo de las dos fases - La fase I tiene por f.o. la suma de las variables artificiales - Si la fase I acaba con la f.o. nula, el problema es factible y se obtiene una solucin bsica factible - La fase II restablece la f.o. original y parte de la solucin bsica factible del final de la fase I (que es la solucin bsica factible inicial) Mtodo de la M mayscula - Introduce variables artificiales en la f.o. penalizadas (en minimizacin) con un coeficiente elevado M (en maximizacin M)
Inicializacin Mtodo Simplex (iv)

Ejemplo del mtodo de las dos fases
En el ejemplo del artesano se introduce la restriccin de que el nmero total de juguetes fabricados debe ser al menos de 400
x2
r1: 10x1 + 20x2 <= 8000 TORNILLOS 400 (0, 400) r4: x1 + x2 >= 400
300
Re
PRODUCCIN MNIMA
r2: 15x1 + 10x2 <= 6000 BLOQUES r3: 18x1 + 6x2 <= 6300 RUEDAS
200
gi (200, 300) fa n ct ib le
(300, 150)
Solucin inicial NO VLIDA
100
(325, 75) (350, 0) x1

(0, 0)
100
200
300
400
Inicializacin Mtodo Simplex (v)

Ejemplo del artesano (cont.i)
Min a1 sujeto a : 10 x1 + 20 x2 + h1 15 x1 + 10 x2 + 18 x1 + 6 x2 + x1 + x2
Fase I (iteracin 0)
Var. bsicas h1 h2 h3 a1 x1 0 10 15 18 1 x2 0 20 10 6 1 h1 0 1 0 0 0 h2 0 0 1 0 0
= 8000 h2 h3 = 6000 = 6300 e1 + a1 = 400

No es una tabla inicial del simplex: Debera ser 0!!!. El primer paso de la Fase I siempre es hacerlo 0
x1 , x2 , h1 , h2 , h3 , e1 , a1 0
h3 0 0 0 1 0 e1 0 0 0 0 -1 a1 1 0 0 0 1
Vals
8000 6000 6300 400

-1
Inicializacin Mtodo Simplex (vi)

iteracin Var. 1 bsicas
h1 h2 h3 a1 x1 -1 10 15 18 1 x1 0 h1 h2 x1 a1 0 0 1 0 x2 -1 20 10 6 1 x2 -2/3 50/3 5 1/3 2/3 h1 0 1 0 0 0 h1 0 1 0 0 0 h2 0 0 1 0 0 h2 0 0 1 0 0 h3 0 0 0 1 0 h3 1/18 -5/9 -15/18 1/18 -1/18 e1 1 0 0 0 -1 e1 1 0 0 0 -1 a1 0 0 0 0 1 a1 0 0 0 0 1 4500 750 350 50 270 150 1050 75 8000 6000 6300 400 Vals 800 400 350 400
Relacin
Vals
Relacin
iteracin 2
Var. bsicas
Inicializacin Mtodo Simplex (vii)

Var. iteracin bsicas 3 (ptima fase I) h1 h2 x1 x2 Var. bsicas h1 h2 x1 x2 x1 0 0 0 1 0 x1 1.6 0 0 1 0 x2 0 0 0 0 1 x2 1.4 0 0 0 1 h1 0 1 0 0 0 h1 0 1 0 0 0 h2 0 0 1 0 0 h2 0 0 1 0 0 h3 0 e1 0 25 7.5 1/2 -3/2 e1 0 25 7.5 1/2 -3/2 a1 1 -25 -7.5 -1/2 3/2 a1 0 -25 -7.5 -1/2 3/2 3250 375 325 75 +1.6 +1.4 3250 375 325 75 Vals Vals
) 0.83
-15/36 1/12 -1/12 h3 0
Fase II iteracin 1
No es una tabla inicial del simplex: Debera ser 0!!!. El primer paso de la Fase II siempre es hacerlo 0
) 0.83 -15/36
1/12 -1/12
Inicializacin Mtodo Simplex (viii)

Fase II iteracin 2
Var. bsicas h1 h2 x1 x2 x1 0 0 0 1 0 x1 0 h1 e1 x1 x2 0 0 1 0 x2 0 0 0 0 1 x2 0 0 0 0 1 h1 0 1 0 0 0 h1 0 1 0 0 0 h2 0 0 1 0 0 h2 h3 e1 a1 -1.3 -25 -7.5 -1/2 3/2 a1 0 0 -1 0 0 2000 50 300 150 2700 900 3250 375 325 75 Vals Relacin 130 50 650 Vals Relacin
) 0.016 1.3 ) 0.83 25

-15/36 1/12 -1/12 h3 7.5 1/2 -3/2 e1 0 0 1 0 0
iteracin 3
Var. bsicas
) ) 0.173 0.05 ) ) 2.2 3.3 2/15 -1/18

-1/15 1/5 1/9 -1/6
Inicializacin Mtodo Simplex (ix)

Fase II iteracin 4
Var. bsicas h3 e1 x1 x2 x1 0 0 0 1 0 x2 0 0 0 0 1 h1 h2 h3 0 1 0 0 0 e1 0 0 1 0 0 a1 0 0 -1 0 0 900 100 200 300 Vals
-0.025 -0.09 0.45 0.025 -0.05 0.075 -3/2 0.05 0.1 -0.05
(200,300) FASE II (300,150) FASE II (325,75) FASE I (0,0) FASE I

(1050,0) FASE I
Inicializacin Mtodo Simplex (x)

Ejemplo del mtodo de las penalizaciones
Min x1 2 x2 sujeto a : x1 + x2 2 x1 + x2 1 x2 3 x1 , x2 0
Var. bsicas A1 A2 H3 x1 1 1 -1 0 x2 -2 1 1 1 h1 0 -1 0 0 h2 0 0 -1 0
Min x1 2 x2 + M a1 + M a2 sujeto a : x1 + x2 h1 x1 + x2 x2 h2 + h3 + a1 =2 + a2 = 1 =3
0 es una tabla x1 , x2 , h1 , h2 , h3 , a1 , a2 No
h3 0 0 0 1 a1 M 1 0 0 a2 M 0 1 0 2 1 3
inicial del simplex: Debera ser 0!!!. El primer paso siempre Vals es hacerlo 0
Inicializacin Mtodo Simplex (xi)

iteracin 1
Var. bsicas A1 A2 H3 Var. iteracin bsicas 2 A1 x2 H3 x1 1 1 -1 0 x1 -1-2M 2 -1 1 x2 -2-2M 1 1 1 x2 0 0 1 0 h1 M -1 0 0 h1 M -1 0 0 h2 M 0 -1 0 h2 -2-M 1 -1 1 h3 0 0 0 1 h3 0 0 0 1 a1 0 1 0 0 a1 0 1 0 0 a2 0 0 1 0 a2 2+2M -1 1 -1 1 1 2 2 1 3 Vals Vals
Inicializacin Mtodo Simplex (xii)

iteracin 3
Var. bsicas X1 x2 H3 Var. iteracin 4 bsicas H2 x2 H3 x1 0 1 0 0 x1 3 2 1 -1 x2 0 0 1 0 x2 0 0 1 0 h1 -1/2 -1/2 -1/2 1/2 h1 -2 -1 -1 1 h2 -3/2 1/2 -1/2 1/2 h2 0 1 0 0 h3 0 0 0 1 h3 0 0 0 1 a1 a2 Vals
+M 3/2+M -1/2 a1 2+2M 1 1 -1 -1/2 -1/2 a2 M -1 0 0 1 2 1 3/2 3/2 Vals
Inicializacin Mtodo Simplex (xiii)

Var. iteracin bsicas 5 (solucin ptima) H2 x2 H1 x1 1 1 0 -1 x2 0 0 1 0 h1 0 0 0 1 h2 0 1 0 0 h3 2 1 1 1 a1 M 0 0 -1 a2 M -1 0 0 2 3 1 Vals
(0,3) (0,2) (0,1) (0,0)

(2,3)
(1/2,3/2)
Inicializacin Mtodo Simplex (xiv)

Algoritmo mtodo dos Fases: FASE I: Resolver Simplex con f.o. 1Txa a) Si 1Txa> 0, (P) no es factible b) 1Txa= 0, (P) es factible y solucin bsica factible inicial b.1) No variables artificiales en la base pasar a la fase II. b.2.) Variables artificiales en la base (valor 0) eliminarlas (entra en la base una variable legtima no bsica pivoteando en fila de la variable artificial a eliminar; si no hay pivote, fila redundante, eliminarla) y pasar a la fase II.
Var. bsicas x1 3 -2 1 x2 0 0 1 a1 0 1 0 a2 1 -1 -2 0 2 Vals
pivote
a1 x2
FASE II: Retomar f.o. y resolver Simplex

Inicializacin Mtodo Simplex (xv)

Algoritmo penalizaciones (de la M mayscula): Resolver Simplex con f.o. Penalizando xa con M (min) o M (max) a) Si (P) con solucin ptima (x,xa) a.1) xa=0 (P) tiene solucin ptima y es x. a.2.) xa>0 (P) no tiene solucin factible. b) Si (P) con solucin no acotada b.1) xa=0 (P) tambin tiene solucin no acotada. b.2.) xa>0 (P) no factible no acotado.
Resumen: Mtodo Simplex (xvi)

Resumen identificacin de posibles terminaciones:
maximizacin negativos (0). Si hay alguno cero, posibles mltiples ptimos. Incorporar en la base la variable no bsica que tiene coste reducido 0.
Optimalidad: En minimizacin costes reducidos positivos (0). En
Infactibilidad: Slo cuando haya sido necesario variables artificiales:

Si 2 fases y en la fase 1 hay al menos una variable artificial con valor >0. En fase I solamente puede haber optimalidad (no acotamiento, ni infactibilidad). Si Penalizaciones y hay una variable artificial con valor >0.
los elementos de su columna son 0. A esta condicin habra que aadir que las variables artificiales sean =0 con penalizaciones.
No acotamiento. Si al menos un coste reducido es negativo y cada uno de
problema penalizado no sea acotado y al menos una variable artificial sea >0.
Caso dudoso: Infactibilidad o no acotamiento. Si Penalizaciones, el
Optimizacin lineal: Dualidad y el Simplex Dual
Contenidos
Definicin del problema dual Propiedades de dualidad Interpretacin econmica Algoritmo Simplex Dual Relaciones entre el Simplex Primal y el Dual
Definicin del problema dual (i)

Todo problema LP (primal) tiene asociado otro problema LP (dual) Si primal es de maximizacin, n variables y m restricciones
dual es de minimizacin, m variables y n restricciones

Min Variable 0 0 no restringida Restriccin = Max
Restriccin
= Variable 0 0 no restringida
Teorema: El dual del problema dual es el problema primal

Definicin del problema dual (ii)
Primal (m n )
max z = c j x j
xj j =1 n
Dual
(n m )
m
min u = biwi
wi i =1
a x
j =1 ij
bi i = 1, , m
a w
ij i =1
c j j = 1, , n
x j 0 j = 1, , n
wi 0 i = 1, , m
max z = cT x
x
min u = bT w
w
Ax b x 0
AT w c w 0
Definicin del problema dual (iii)

Primal
x1 2x2 x1, x2
(m n )
4 12
Dual
w1 2w 2 w 1, w2,
(n m )
max z = 3x1 + 5x2
min u = 4w1 + 12w 2 + 18w 3 +3w 3 3 +2w 3 5 w 3, 0
3x1 +2x2 18 0
x 1 5 x 2
max z = 3 1 3 x 1 x 2
m in u = 4 1 2 3 2
12
1 8
4 x 1 2 x 12 2 18 2 0 0
w 1 w 2 w 3
w 1 w 3 2 5 w 3
0 w 1 w 0 2 w 0 3
Propiedades de Dualidad (i)

Propiedad dbil de la dualidad
x solucin factible del primal w solucin factible dual
wTb cT x
Propiedad fuerte de la dualidad

x* solucin ptima del primal w*solucin ptima dual
cT x * = w *Tb
Teorema de dualidad
nicas relaciones posibles entre primal y dual:
Ambos tienen soluciones ptimas factibles Un problema es no acotado, y el otro problema es no factible Si un problema es no factible, el otro es no factible o no acotado
Propiedades de Dualidad (ii)

Lema La matriz B-1 son las columnas Y de la ltima tabla del simplex para
las variables xB0 que inicialmente formaban la matriz identidad (para variables de exceso en xB0 cambiando el signo a Y) Var.bsicas
xN cNT-cBTB-1N B-1 N
xB0 -cBTB-1 B-1
xB 0 I
Valores
xB
B-1 b
Propiedad de solucin ptima complementaria

a)La solucin dual complementaria es w=cTBB-1, que son los costes reducidos de la ltima tabla del simplex para las variables xB0 cambiados de signo (para variables de exceso en xB0 sin cambio de signo) b) x cumple ptimalidad para el primal s y solo s w factible para el dual. Nota: Por tanto, para B-1 o w=cTBB-1, si xB0 contiene artificiales, conviene no eliminarlas en la fase II. Si penalizaciones, calcular directamente w=cTBB-1.
Propiedades de Dualidad (iii)

Propiedad de la complementariedad de holguras
Si restriccin primal no activa (con holgura) variable dual asociada a la restriccin vale 0
Variable dual
wi* (a i x * bi ) = 0
Restriccin primal
Si una variable del primal en el ptimo tiene valor > 0 la restriccin asociada del dual en el ptimo est activa (no tiene holgura)
Variable primal
T *T * c w a x (j j) j = 0
Restriccin dual
Interpretacin econmica
Interpretacin econmica de las variables duales (solo caso maximizacin con restricciones ):
En el ptimo:
Max c j x j* = Min biwi*

j i
w*i: variacin en la funcin objetivo por tener una unidad ms de bi Valor marginal del recurso: precio sombra o precio justo (cantidad mxima a pagar por una unidad ms de recurso) Si hay holgura de un recurso su precio marginal es cero, no se est dispuesto a pagar por una unidad ms Si hay holgura h*i>0 en una restriccin primal w*i=0
Algoritmo Simplex-Dual (i)

Mtodo Simplex dual:
Cundo usarlo?
Si es fcil obtener una solucin inicial bsica no factible pero cumple criterio optimalidad (alguna variable bsica<0 y costes reducidos0 en minimizacin) Si tras una modificacin se pierde factibilidad de la solucin ptima (anlisis sensibilidad, ver ms adelante) Alternativa al Simplex para resolver un problema (no necesariamente el dual)
Idea bsica:
se mueve por soluciones no factibles para el primal se mueve por soluciones factibles para el dual (la complementaria), es decir, se cumple criterio primal de optimalidad Al lograr factibilidad primal ptima primal.
Idea geomtrica:
opera fuera de la regin factible, y en la zona mejor que el ptimo. entra en la regin slo cuando alcanza el ptimo.
Algoritmo Simplex-Dual (ii)

1. Inicializacin
Solucin bsica inicial dual factible: cumple criterio optimalidad primal (costes reduc. 0 en min) Si factible (todas las variables bsicas0) ptima, parar. Si no, iterar en 2.
2. Iteracin
Variable bsica saliente xr: aquella con menor valor < 0 Variable bsica entrante xs criterio de entrada: razn mnima, mantener factibilidad dual cj z j cs z s max) : yrj < 0 = Min (tanto para min como para max) yrs yrj
Si no hay yrj<0: problema no factible (porque dual no acotado), parar. Pivoteamiento. Ir al punto 2 del paso 1.
Ejemplo Algoritmo Simplex-Dual (i)

min 4x 1 + x 2 3x 1 + x 2 3 4x 1 + 3x 2 6 x 1 + 2x 2 4 x 1, x 2 0
Var. bsicas Relacin cj-zj/yrj h3 h4 h5 Var. bsicas Relacin cj-zj/yrj h3 x2 x1 -1 4 -3 -4 -1 x1 -8/5 8/3 -5/3 4/3 0 0 1 0 0 1 0 0 x2 -1/3 1 -1 -3 -2 x2 h3 0 1 0 0 h3 h4 0 0 1 0 h4 -1 1/3 -1/3 -1/3 -2/3 0 0 0 1 -1 2
min 4x 1 + x 2 3x 1 x 2 + h3 4x 1 3x 2 x 1 2x 2 + h4 = 3 = 6 + h5 = 4 x 1, x 2 , h3 , h4 , h5 0
dual factible
0 0 0 1 h5
h5
Vals
primal infactible
-3 -6 -4 Vals
h5 5/3 Universidad Pontificia Comillas de Madrid
Ejemplo Algoritmo Simplex-Dual (ii)

Costes reducidos variables que formaban inicialmente la base se deduce la solucin dual
Var. bsicas h4 x2 h5 x1 1 5 3 5 x2 0 0 1 0 h3 1 -3 -1 -2 h4 0 1 0 0 h5 0 0 0 1 3 3 2 Vals
Solucin ptima del primal:

(x 1, x 2 , h3 , h4 , h5 ) = (0, 3, 0, 3, 2)
Solucin ptima del dual:

(y1, y 2 , y 3 ) = (1, 0, 0)
Ambas funciones objetivo:

z =3
Aclaraciones y resumen: Mtodo Simplex-Dual

En el mtodo dual simplex no deben incorporarse variables artificiales se aplica cuando las restricciones se pongan a . Adems, los costes reducidos de la primera tabla deben estar en condiciones de optimalidad (0 en min, 0 en max). En el mtodo se pivotea como en el simplex (o simplex-primal). Es un mtodo alternativo al simplex para resolver un modelo lineal (no confundir con un mtodo para resolver problemas duales).
Resumen identificacin de posibles terminaciones:

deben ser 0.
Optimalidad: Todos los componentes del lado derecho de la ltima tabla
Infactibilidad: Si al menos un componente del lado derecho es <0 y todos los componentes de su fila son 0. No acotamiento. Bajo las condiciones en las que se puede aplicar el dual-simplex, el problema nunca puede ser no acotado.
Relaciones Simplex Primal y el Dual
Mtodo Simplex Primal
Mtodo Simplex Dual
Maneja soluciones bsicas factibles y se Maneja soluciones que satisfacen la mueve hacia la solucin ptima (trata de condicin de optimalidad primal (fact. dual) satisfacer la condicin de optimalidad) y se mueve hacia la solucin ptima tratando de conseguir factibilidad primal (opt. dual) Columna derecha >= 0 En minimizacin fila costes reducidos >= 0 En minimizacin fila costes reducidos < 0 Columna derecha < 0 (excepto en el (excepto en el ptimo) ptimo)
Optimizacin lineal: Sensibilidad y Programacin paramtrica
Contenidos
Anlisis sensibilidad
Procedimiento genrico En cotas de las restricciones En coeficientes variables no bsicas Incorporacin de variables En costes y resto de coeficientes variables bsicas Introduccin de restricciones
Programacin paramtrica
Anlisis de sensibilidad: procedimiento genrico (i)

Anlisis de sensibilidad o postoptimizacin: efectos en solucin ptima por cambios en problema, partiendo del ptimo previo Procedimiento genrico anlisis de sensibilidad: 1.Introducir cambios en bloques correspondientes de tabla del Simplex 2.Preparacin tabla para adecuarla a iteracin del Simplex (en variables bsicas columna de un 1 en su fila y 0 resto)
Var.bsicas
xN cNT-cBTB-1N B-1 N
xB 0 I
Sol.
xB
B-1 b
Anlisis de sensibilidad: procedimiento genrico (ii)

Procedimiento genrico anlisis de sensibilidad (cont): 3. Prueba de factibilidad (variables bsicas no negativas) 4. Prueba de optimalidad (en min costes reducidos no negativos) 5. Nueva iteracin:
del mtodo Simplex (si se cumple 3 y no 4) del mtodo Dual (si se cumple 4 y no 3) introduccin variables artificiales para que cumpla 3 y Simplex
Cambios en cotas de restricciones (i)

Cambios en vector de requerimientos b
Afectan a: valores de las variables bsicas. Se puede perder factibilidad: mtodo Simplex dual. Geomtricamente: desplazamientos paralelos restricciones
Se mueve la regin factible, el ptimo previo puede quedar: a) dentro de la regin factible sigue siendo ptimo b) fuera de la regin factible (algoritmo dual para volver a ella)
Cambios en cotas de restricciones (ii)

Ejemplo:
min z =3x1 5x2 x1 2x2 3x1 +2x2 x1, x2, x3, x4, +x3 +x4 x5, =4 = 12 +x5 = 18 0
Var. Bsicas
x1 x2 x3
x4 3/2
x5 1
Vals
B-1
x3 x2 x1 1 1 1
1/3 -1/3 1/2 -1/3 1/3
2 6 2
4 b = 12 18
1 1/ 3 1/ 3 4 1 1/ 3 1/ 3 4 6 ; x ' = b ' = B 1b ' = 0 1/ 2 B 1 = 0 1/ 2 ' 0 0 24 = 12 b = 24 ; B 18 0 1/ 3 1/ 3 0 1/ 3 1/ 3 18 2
Infactible, usar dual (costes reducidos no cambian)

Cambios en coeficientes variables no bsicas (i)

Cambio en un coeficiente de una variable no bsica
En la tabla afectan a: la columna de la propia variable. 'T 'T 1 ' Costes reducidos: c N = cN cT BB N Restricciones: B 1N ' Se puede perder optimalidad: mtodo Simplex. Recalcular costes reducidos: 'T 'T 'T N = cN cB B 1N ' 0 (min) sigue ptima. a) Si c b) Si no, variable bsica entrante y mtodo Simplex. Cambio en coeficientes de la funcin objetivo: Geomtricamente: cambio direccin optimizacin ptimo actual puede dejar de serlo iterar, nuevo ptimo.
Cambios en coeficientes variables no bsicas (ii)

Ejemplo:
Var. Bsicas x1 x2 x3 0 x1 x5 1 0 3 1 3 1 1 1 x4 2 1 1 x5 0 0 1 6 10 Vals
min z =2x1 + x2 x3 x1 x1, +x2 x2, +x3 +x4 x3, x4, x5 =6 +x5 = 4 0 x1 +2x2
' ' a) c2=1 se reemplaza por -3 c2 z2 = (c2 c2 ) +(c2 z2 ) =4 + 3 =1 < 0
x2 entra en la base y se aplica el Simplex b) a2 se cambia de (1,2) a (2,5)

1 0 2 2 y = B a = = 5 1 1 7
' 2 1 ' 2 ' 2 1 ' 2
La tabla sigue siendo ptima: reemplazar columna de x2 por (5,2,7)T
2 c2 z = c2 cBB a = 1 (2,0) =50 7

Introduccin variables
Introduccin de una nueva variable x n +1
Calcular su coste reducido. 1. Si < 0 interesa, introducir en la base: Calcular B 1an +1 , aadir toda la columna. Iterar Simplex. 2. Si 0, no interesa. Sigue ptima. 9 Ejemplo anterior: Se introduce x6 con c6=1 y a6=(-1,2)T
1 0 1 1 = y6 = B a6 = 1 1 2 1
1
1 =1 < 0 c6 z6 = c6 c y6 = 1 (2,0) 1
T B
Se introduce x6 en la base y se aplica el Simplex
Cambios costes bsicos

Cambio en coeficiente de una variable bsica en la funcin objetivo
Afecta a: Todos los costes reducidos de no bsicas Actualizar todos los costes reducidos variables no bsicas
Si 0, solucin actual ptima Si < 0, no es ptima, iterar mtodo Simplex .
9 Ejemplo anterior: Se cambia c1=-2 por 0

Var. Bsicas x3 entra en la base y sale x1 x1 x5 x1 x2 x3 0 1 0 1 1 3 -1 1 x4 0 1 1 x5 0 0 1 6 10 Vals
pivote
Cambios resto coeficientes variables bsicas (i)

Cambio en un coeficiente de una variable bsica
Afecta a: toda la tabla del Simplex (cambia B-1) Calcular yj=B-1aj siendo aj la nueva columna variable bsica:
Si yjj=0 prdida de base: v. artificial que la sustituya en la base, y Simplex-Dos fases Penalizacin En otro caso pivotear en yjj. Durante el pivoteo puede perderse factibilidad: 1. Prdida de factibilidad primal: mtodo Dual 2. Prdida de optimalidad (de factibilidad dual): mtodo Simplex 3. Prdida ambas: v. artificiales recuperar factibilidad y Simplex
Cambios resto coeficientes variables bsicas (ii)

9 Ejemplo anterior: a1 se cambia de (1,-1) a a1=(0,-1)
1 y =B a = 1
' 1 1 ' 1
0 =y11 las columnas bsicas 0 0 = actuales no son una base 1 1 1

Mismos costes reducidos para el resto de variables
' ' c1 z1 = c1 cT B y1 = 2
Var. Bsicas
x1 x2 x3 -2 3 1 3 1 1 1
x4 2 1 1
x5 0 0 1
x6 M 1 0
Vals
Aplicamos mtodo de 6 penalizaciones
x6 artificial sustituye a x1 en la base, con su mismo valor
x6 x5
0 -1
10
Hacer c6-z6=0 pivoteando y proceder mtodo de penalizaciones
Incorporacin de una restriccin

Introduccin de nueva restriccin
1. Comprobar si la solucin ptima la satisface. Si lo hace, ptima. 2. Si no, aadir a tabla (v. bsica asociada=variable holgura y/o artificial)
Mtodo Dual si aadida holgura y al adaptar la tabla valor variable bsica<0 Mtodo simplex 2 fases o penalizacin si aadidas artificiales
9 Ejemplo anterior: Se aade la restriccin x1+2x3 2

El punto ptimo no satisface la restriccinincorporar holgura x6 Var. Bsicas Hacer 0 y aplicar dual Simplex x1 x5 x6
x1 x2 x3 0 1 0 1 3 1 3 0 1 1 1 -2
x4 2 1 1 0
x5 0 0 1 0
Construir x6 Vals identidad y aplicar 0 Dual Simplex por infactibilidad 0 6 0 1 10 -2
Programacin paramtrica (i)

Cambios continuos en parmetros
Cambios simultneos coeficientes funcin objetivo
c j c j + j 0
f
1 M = direccin de parametrizacin n
Slo cambia la direccin de optimizacin Problema: Determinar zonas espacio paramtrico con un valor ptimo cada una (diferente valor objetivo) 1. 2. 3. 4. Hacer *=0 Resolver con =*, siendo la solucin x(*) Calcular costes reducidos con cj()=cj+j * Obtener *** tal que x(*) sigue siendo solucin ptima en [*,** ] pero un coste reducido=0: variable no bsica entrante. 5. Hacer *=** e ir al paso 2 incorporando en la base la variable no bsica anterior (aplicar primal simplex).
Programacin paramtrica (ii)

Cambios simultneos en cotas de las restricciones
1 M b = m
bi bi + i
direccin de parametrizacin
Cambia regin factible: zonas espacio paramtrico con una base ptima Son equivalentes a cambios en coeficientes de funcin objetivo del dual 1. 2. 3. 4. Hacer *=0 Resolver con =*, siendo la solucin x(*) Calcular valores variables bsicas con bi()=bi+i * Obtener *** tal que x() sigue siendo factible en [*,** ] pero con un valor bsico=0: variable bsica saliente. 5. Hacer *=** e ir al paso 2 sacando de la base la variable bsica anterior (aplicar dual simplex).

Maximizacion de Funciones PDF

Cargado por

Copyright:

Formatos disponibles

Maximizacion de Funciones PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Maximizacion de Funciones PDF

Cargado por

Copyright:

Formatos disponibles

Optimizacin lineal: Resolucin grfica y el Simplex

Solucin grfica Mtodo Simplex Inicializacin del mtodo Simplex

Universidad Pontificia Comillas de Madrid

Solucin grfica (i)

Tornillos Tren Camin 10 20

Universidad Pontificia Comillas de Madrid

Solucin grfica (ii)

Max Z = 1.6 x1 + 1.4 x2 sujeto a : 10 x1 + 20 x2 8000 15 x1 + 10 x2 6000 18 x1 + 6 x2 6300 x1 , x2 0

Maximizacin del beneficio total

Existencias TORNILLOS Existencias BLOQUES Existencias RUEDAS

Se consideran variables reales en primera aproximacin

Solucin grfica (iii)

(200, 300) r2: 15x1 + 10x2 <= 6000

(300, 150) r3: 18x1 + 6x2 <= 6300

Universidad Pontificia Comillas de Madrid

Solucin grfica (iv)

Solucin grfica (v)

Universidad Pontificia Comillas de Madrid

Mtodo Simplex (i)

Si existe un nico ptimo en un problema de programacin lineal, ste se encuentra en un VRTICE

Universidad Pontificia Comillas de Madrid

Mtodo Simplex (ii)

Problema del artesano

= 8000 = 6000 h3 = 6300

8000 b= 6000 6300

Mtodo Simplex (iii)

: Se introduce una variable de defecto u 0

Se introduce una variable de exceso

Variables libres : Se sustituye por 2 variables

Parmetro bi<0: Multiplicar por -1 la i-sima restriccin

Universidad Pontificia Comillas de Madrid

Mtodo Simplex (iv)

Universidad Pontificia Comillas de Madrid

Mtodo Simplex (v)

matriz BASE matriz NO BASICA

Mtodo Simplex (vi)

Los costes reducidos para una solucin factible arbitraria

Vector de costes reducidos

a j : columna de A correspondiente a la variable x j

Mtodo Simplex (vii)

Mtodo Simplex (viii)

Incremento de la variable NO BASICA entrante:

Universidad Pontificia Comillas de Madrid

Mtodo Simplex (ix) y x (x ) = b

( xB )i Disminuye cuando xt se incrementa hasta ( xB )i

el problema resulta no acotado z = z + (ct zt )xt

Mximo incremento de variable NO BASICA entrante:

La variable BSICA SALIENTE es la que primero se anula

b i x t = min : yit > 0 1i m yit

Mtodo Simplex (x)

c Inicializacin: Formulacin del problema en forma estndar.

Se encuentra una solucin bsica factible inicial, es decir, B tal que:

d Prueba de optimalidad: Se calculan los costes reducidos

Mtodo Simplex (xi)

b b s i = min : yit > 0 : variable bsica saliente yst 1i m yit

el problema resulta no acotado

Universidad Pontificia Comillas de Madrid

Mtodo Simplex (xii)

Valores Funcin objetivo