Maximizacion de Funciones PDF
Maximizacion de Funciones PDF
Maximizacion de Funciones PDF
Contenidos
OPTIMIZACIN LINEAL. 2
Bloques 15 10
Ruedas 18 6
OPTIMIZACIN LINEAL. 3
OPTIMIZACIN LINEAL. 4
TORNILLOS
400
(0, 400)
300
BLOQUES
200
Regin factible
100
RUEDAS
(350, 0)
x1
(0, 0)
100
200
300
400
OPTIMIZACIN LINEAL. 5
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
OPTIMIZACIN LINEAL. 6
RUEDAS
x1
OPTIMIZACIN LINEAL. 7
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
min max Z = cT x A x = b x0 x
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
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
Universidad Pontificia Comillas de Madrid
a
Restricciones
j
x j bi aij x j + ui = bi
j
:
ij
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
a x
j
ij j
bi (aij ) x j (bi )
j
OPTIMIZACIN LINEAL. 10
OPTIMIZACIN LINEAL. 11
B A = [ B, N ] N c = [ cB , c N ]
T T
mxm
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
Universidad Pontificia Comillas de Madrid
OPTIMIZACIN LINEAL. 12
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
c j cBT B 1a j = c j cBT y j = c j z j
Notacin:
T j = cj z j; y j = B 1a j ; z j = cB yj; c
j indices no basicos
OPTIMIZACIN LINEAL. 13
= 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
Universidad Pontificia Comillas de Madrid
OPTIMIZACIN LINEAL. 14
(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
$ 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
OPTIMIZACIN LINEAL. 15
Si Si
yit > 0
yit 0
yit 0
b i yit
Si todas las
e Iteracin
yt = B 1 at
: columna pivote de
xt xs
yit 0
f Pivotamiento
Actualizacin de la matriz B Actualizacin del vector de variables bsicas Volver al paso d
1
xB
OPTIMIZACIN LINEAL. 18
xN cNT N
xB
cBT B b
xB
Restricciones
xN cNT-cBTB-1N xB B-1 N
B-1 b
Valores solucin0
OPTIMIZACIN LINEAL. 19
y31
OPTIMIZACIN LINEAL. 20
150 1050
/5 -1/3
f.o.: 560
(0,0) (350,0)
OPTIMIZACIN LINEAL. 21
h2
Relacin
) 0.05
) / 2.2
+1/6 -1/9
1/5 -1/15
-1/6 1/9
f.o.: 690
(300,150) (0,0) (350,0)
OPTIMIZACIN LINEAL. 22
Todos los costes reducidos son negativos o nulos por lo que el ptimo ha sido alcanzado Solucin ptima: (200, 300) Funcin objetivo: 740
OPTIMIZACIN LINEAL. 23
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
OPTIMIZACIN LINEAL. 24
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
OPTIMIZACIN LINEAL. 25
OPTIMIZACIN LINEAL. 26
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)
100
(0, 0)
100
200
300
400
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
-1
Vals
Relacin
iteracin 2
Var. bsicas
OPTIMIZACIN LINEAL. 29
) 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
OPTIMIZACIN LINEAL. 30
iteracin 3
Var. bsicas
OPTIMIZACIN LINEAL. 31
-0.025 -0.09 0.45 0.025 -0.05 0.075 -3/2 0.05 0.1 -0.05
(1050,0) FASE I
OPTIMIZACIN LINEAL. 32
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
OPTIMIZACIN LINEAL. 33
inicial del simplex: Debera ser 0!!!. El primer paso siempre Vals es hacerlo 0
OPTIMIZACIN LINEAL. 34
OPTIMIZACIN LINEAL. 35
(2,3)
(1/2,3/2)
OPTIMIZACIN LINEAL. 36
pivote
a1 x2
OPTIMIZACIN LINEAL. 38
los elementos de su columna son 0. A esta condicin habra que aadir que las variables artificiales sean =0 con penalizaciones.
problema penalizado no sea acotado y al menos una variable artificial sea >0.
OPTIMIZACIN LINEAL. 39
OPTIMIZACIN LINEAL. 40
Contenidos
Definicin del problema dual Propiedades de dualidad Interpretacin econmica Algoritmo Simplex Dual Relaciones entre el Simplex Primal y el Dual
OPTIMIZACIN LINEAL. 41
Restriccin
= Variable 0 0 no restringida
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
OPTIMIZACIN LINEAL. 43
(m n )
4 12
Dual
w1 2w 2 w 1, w2,
(n m )
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
OPTIMIZACIN LINEAL. 44
wTb cT x
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
OPTIMIZACIN LINEAL. 45
xN cNT-cBTB-1N B-1 N
xB 0 I
Valores
xB
B-1 b
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
Universidad Pontificia Comillas de Madrid
OPTIMIZACIN LINEAL. 47
Interpretacin econmica
Interpretacin econmica de las variables duales (solo caso maximizacin con restricciones ):
En el ptimo:
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
OPTIMIZACIN LINEAL. 48
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.
Universidad Pontificia Comillas de Madrid
OPTIMIZACIN LINEAL. 49
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.
OPTIMIZACIN LINEAL. 50
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
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.
OPTIMIZACIN LINEAL. 53
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. 54
OPTIMIZACIN LINEAL. 55
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
OPTIMIZACIN LINEAL. 56
xN cNT-cBTB-1N B-1 N
xB 0 I
Sol.
xB
B-1 b
OPTIMIZACIN LINEAL. 57
OPTIMIZACIN LINEAL. 58
OPTIMIZACIN LINEAL. 59
Var. Bsicas
x1 x2 x3
x4 3/2
x5 1
Vals
B-1
x3 x2 x1 1 1 1
2 6 2
4 b = 12 18
OPTIMIZACIN LINEAL. 61
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
OPTIMIZACIN LINEAL. 63
pivote
OPTIMIZACIN LINEAL. 64
OPTIMIZACIN LINEAL. 65
' ' 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 x5
0 -1
10
OPTIMIZACIN LINEAL. 66
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
OPTIMIZACIN LINEAL. 67
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).
OPTIMIZACIN LINEAL. 68
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).
OPTIMIZACIN LINEAL. 69