Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 2K vistas

    Metodo M o de Penalización-1

    Cargado por

    kevinlolololo
    El documento describe el Método M y el Método de las Dos Fases para resolver problemas de programación lineal con restricciones de desigualdad. El Método M penaliza las variables artificiales mediante una constante M muy grande en la función objetivo. El Método de las Dos Fases resuelve el problema en dos fases, donde la Fase I encuentra una solución factible y la Fase II optimiza el problema original.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Metodo M o de Penalización-1

    Cargado por

    kevinlolololo
    2K vistas5 páginas
    El documento describe el Método M y el Método de las Dos Fases para resolver problemas de programación lineal con restricciones de desigualdad. El Método M penaliza las variables artificiales mediante una constante M muy grande en la función objetivo. El Método de las Dos Fases resuelve el problema en dos fases, donde la Fase I encuentra una solución factible y la Fase II optimiza el problema original.

    Descripción original:

    X

    Título original

    Metodo m o de Penalización-1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe el Método M y el Método de las Dos Fases para resolver problemas de programación lineal con restricciones de desigualdad. El Método M penaliza las variables artificiales mediante una constante M muy grande en la función objetivo. El Método de las Dos Fases resuelve el problema en dos fases, donde la Fase I encuentra una solución factible y la Fase II optimiza el problema original.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    2K vistas5 páginas

    Metodo M o de Penalización-1

    Cargado por

    kevinlolololo
    El documento describe el Método M y el Método de las Dos Fases para resolver problemas de programación lineal con restricciones de desigualdad. El Método M penaliza las variables artificiales mediante una constante M muy grande en la función objetivo. El Método de las Dos Fases resuelve el problema en dos fases, donde la Fase I encuentra una solución factible y la Fase II optimiza el problema original.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 5

    METODO M O DE PENALIZACIN.

    Corresponde a una variacin del Algoritmo simplex para penalizar la presencia de


    variables artificiales, mediante la introduccin de una constante M definida como un valor
    muy grande aunque finito. Tambin se puede usar el Mtodo de las Dos Fases para
    resolver problemas que contengan restricciones de >= o =
    Los pasos bsicos del mtodo M son los siguientes:
    1. Exprese el problema en forma estndar transformando las inecuaciones en ecuaciones
    introduciendo variables de holgura.
    2. Agregue variables no negativas al lado izquierdo de cada una de las ecuaciones
    correspondientes a las restricciones de tipo (>=) o (=). Estas variables se denominan
    variables artificiales y su adicin hace que las restricciones correspondientes.
    Esta dificultad se elimina asegurando que las variables sean 0 en la solucin final. Esto se
    logra asignando una penalizacin muy grande por unidad a estas variables en la funcin
    objetivo. Tal penalizacin se designar como M para problemas de maximizacin y +M
    para problemas de minimizacin.
    3. Utiliza las variables artificiales en la solucin bsica inicial; sin embargo la funcin
    objetivo de la tabla inicial se prepara adecuadamente para expresarse en trminos de las
    variables no bsicas nicamente. Esto significa que los coeficientes de las variables
    artificiales en la funcin objetivo deben ser 0 un resultado que puede lograrse sumando
    mltiplos adecuados de las ecuaciones de restriccin al rengln objetivo.
    4. Proceda con los pasos regulares del mtodo simplex.
    EJEMPLO:
    Minimizar
    Sujeto a:

    Minimizar
    Sujeto a:

    Minimizar

    Sujeto a:

    Minimizar
    Sujeto a:

    V.B.

    X1

    X2

    X3

    S1

    S2

    R1

    Solucin

    -3

    -2

    -4

    -M

    R1

    -1

    15

    S2

    12

    P V.B.

    X1

    X2

    X3

    S1

    S2

    R1

    Solucin

    -3+2M

    -2+2M

    -4+3M

    -M

    15M

    R1

    -1

    15

    S2

    12

    Criterio para seleccionar la variable entrante:


    Maximizacin : El valor mayor negativo del rengln Z.
    Minimizacin : El valor mayor positivo del rengln Z.

    V.B.

    X1

    X2

    X3

    S1

    S2

    R1

    Solucin

    V.B.
    Z
    Z
    X3
    X3
    S2
    X2

    Z
    1
    1
    0
    0
    0
    0

    X1
    -1/3
    -5/7
    2/3
    2/7
    4/3
    4/7

    X2
    2/3
    0
    2/3
    0
    7/3
    1

    X3
    0
    0
    1
    1
    0
    0

    S1
    -4/3
    -10/7
    -1/3
    -3/7
    1/3
    1/7

    S2
    0
    -2/7
    0
    -2/7
    1
    3/7

    R1
    4/3-M
    10/7-M
    1/3
    3/7
    -1/3
    -1/7

    Solucin
    20
    18
    5
    3
    7
    3

    METODO DE LAS DOS FASES


    Este mtodo elimina el uso de la M y resuelve el problema en dos fases. En la fase I se utiliza el algoritmo
    simplex para suministrar a la fase II una forma factible de partida. Es decir, el producto final de la Fase I es
    una solucin bsica factible (en caso de que exista), en forma tpica, para iniciar la Fase II del mtodo. Los
    pasos de cada fase son los
    siguientes:
    Fase I

    1. Utilice el algoritmo simplex para obtener la minimizacin de la suma de las variables artificiales, sujeta a
    las mismas restricciones del problema original, independientemente de si este problema original es de
    maximizacin o minimizacin.

    2. Si la suma de las variables artificiales, X0, es mayor que cero, entonces no existe una solucin bsica
    factible y se termina el proceso. Si X0= 0, entonces inicie la Fase II del algoritmo.
    Fase II
    1. Utilice la solucin ptima obtenida en la Fase I como solucin de partida al problema 1. original,
    remplazando la funcin objetivo original Z por la de X0. Como es usual, la funcin objetivo original debe ser
    expresada en funcin de las variables no bsicas. Si al final de la Fase I las variables artificiales son no
    bsicas, se eliminan de la Fase II. Si alguna variable artificial es bsica, pero a un nivel cero, esta variable
    se mantiene en el conjunto de variables bsicas, pero debe garantizarse que su valor nunca ser mayor
    que cero durante la ejecucin de la Fase II. Ejemplo:
    MIN W = 3 X1 + 4 X2

    Resolver el anterior problema de Programacin Lineal por el Mtodo de las Dos Fases.
    Solucin analtica:
    Fase I :
    Paso 1 Se introducen las variables artificiales A1 y A2, las variables de exceso S1 y S2.
    MIN X0 = A1 + A2
    Con sus restricciones:

    FASE I:
    Puesto que A1 y A2 son variables bsicas, sus coeficientes en la fila X0 deben ser cero (0); para ello
    sumamos las filas (1) y (1) a la fila (0). El tablero inicial para la aplicacin del algoritmo simples es:
    TABLERO 1 SIMPLEX
    0

    Cj

    CB

    VB

    X1

    X2

    S1

    S2

    A1

    A2

    A1

    20

    -1

    A2

    30

    -1

    X0

    50

    -1

    -1

    Entra a la base X2 y sale de la base A2


    VB

    VNB

    A1 = 20
    A2 = 30

    X1 = 0
    X2 = 0
    S1 = 0
    S2 = 0

    X0 = 50
    TABLERO 2 SIMPLEX

    CB

    VB

    X1

    X2

    S1

    S2

    A1

    A2

    A1

    7/5

    -1

    3/5

    -3/5

    X2

    1/5

    -1/5

    1/5

    X0

    7/5

    -1

    3/5

    -3/5

    Entra a la base X1 y sale de la base A1


    VB

    VNB

    X1 = 0
    A2 = 0
    S1 = 0
    S2 = 0

    A1 = 2
    X2 = 6

    X0 = 2
    TABLERO 3 SIMPLEX

    CB

    VB

    X1

    X2

    S1

    S2

    A1

    A2

    X1

    10/7

    -5/7

    3/7

    5/7

    -3/7

    X2

    40/7

    1/7

    -2/7

    -1/7

    2/7

    X0

    Al aplicar el mtodo simplex a nuestro problema en la tercera etapa de la fase I se ha encontrado que
    mn X0 = 0 y no existen variables artificiales en la base. Por lo tanto, se ha encontrado una solucin bsica
    posible al problema original.
    FASE II:
    Empleamos la funcin objetivo original W en lugar de X0 y eliminamos las variables artificiales A1 y A2,
    puesto que ya no son variables bsicas, es decir, son variables no bsicas. Como la funcin objetivo debe
    estar expresada en trminos de las variables no bsicas, entonces se deben realizar transformaciones para
    reducir a cero el coeficiente deX1 y X2 en la funcin objetivo.
    TABLERO 4 SIMPLEX
    0

    Cj

    CB

    VB

    X1

    X2

    S1

    S2

    X1

    10/7

    -5/7

    3/7

    X2

    40/7

    1/7

    -2/7

    X0

    190/7

    -11/7

    1/7

    VN

    VNB

    X1 = 10/7

    S1 = 0
    X0 = 190/7

    X2 = 40/7

    S2 = 0
    TABLERO 5 SIMPLEX

    CB

    VB

    X1

    X2

    S1

    S2

    S2

    10/3

    7/3

    -5/3

    X2

    20/3

    2/3

    -1/3

    X0

    80/3

    8/3

    -4/3

    Solucin Optima Unica:


    X*1=0; X*2=20/3; S*1=0; S*2=10/3; A*1=0; A*2=0; X*0=80/3

    También podría gustarte