You are on page 1of 19

VARIABLES ARTIFICIALES Hasta este momento se han presentado los detalles del mtodo smplex con la suposicin de que

el problema se encuentra en nuestra forma estndar (maximizar Z sujeta a las restricciones funcionales de la forma 0 para y restricciones de no negatividad sobre todas las variables) con bi toda i = 1, 2, ..., m. En esta seccin se establecer cmo hacer los ajustes requeridos a otras formas legtimas de modelos de Programacin Lineal. Se ver que todos estos ajustes se pueden hacer en el paso inicial, de manera que el resto del mtodo smplex se aplica justo como se aprendi. El nico problema ) es serio que introducen las otras formas de restricciones funcionales (= identificar una solucin inicial bsica factible. Antes, esta solucin inicial se encontraba en forma muy conveniente al hacer que las variables de holgura fueran las variables bsicas iniciales, donde cada una era igual a la constante no negativa del lado derecho de la ecuacin correspondiente. Ahora debe hacerse algo ms. El enfoque estndar que se utiliza es estos casos es la tcnica de variables artificiales. sta construye un problema artificial ms conveniente introduciendo una variable ficticia (llamada variable artificial) en cada restriccin que lo requiera. Esta nueva variable se introduce slo con el fin de que sea la variable bsica inicial para esa ecuacin. Las restricciones usuales de no negatividad tambin se aplican sobre estas variables y la funcin objetivo se modifica para que imponga una

TCNICAS DE LAS VARIABLES ARTIFICIALES

Exsiten problemas de programacin lineal que no proporcionan una solucin bsica inicial. Esta situacin se presenta cuando al menos una de las restricciones es del tipo (<=) o (=). Para este propsito se desarrollan 2 mtodos basados en el uso de variables artificiales: El mtodo M o de penalizacin y la tcnica de 2 fases.

METODO M O DE PENALIZACIN.

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. Z R1 S2

Z 1 0 0

X1 -3 2 2

X2 -2 2 3

X3 -4 3 1

S1 0 -1 0

S2 0 0 1

R1 -M 1 0

Solucin 0 15 12

V.B. Z R1 S2

Z 1 0 0

X1 -3+2M 2 2

X2 -2+2M 2 3

X3 -4+3M 3 1

S1 -M -1 0

S2 0 0 1

R1 0 1 0

Solucin 15M 15 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. Z X3 S2

Z 1 0 0

X1 -1/3 2/3 4/3

X2 2/3 2/3 7/3

X3 0 1 0

S1 -4/3 -1/3 1/3

S2 0 0 1

R1 4/3-M 1/3 -1/3

Solucin 20 5 7

V.B. Z X3 X2

Z 1 0 0

X1 -5/7 2/7 4/7

X2 0 0 1

X3 0 1 0

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

S2 -2/7 -2/7 3/7

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

Solucin 18 3 3

EJEMPLO:

Maximizar

Sujeto a:

Maximizar

Sujeto a:

Maximizar

Sujeto a:

Maximizar

Sujeto a:

V.B. Z R1 R2 S2

Z 1 0 0 0

X1 -4 3 4 1

X2 -1 1 3 2

S1 0 0 -1 0

S2 0 0 0 1

R1 M 0 1 0

R2 M 0 1 0

Solucin 0 3 6 3

V.B. Z R1 R2 S2

Z 1 0 0 0

X1 -4-7M 3 4 1

X2 -1-4M 1 3 2

S1 M 0 -1 0

S2 0 0 0 1

R1 0 0 1 0

R2 0 0 1 0

Solucin -9M 3 6 3

V.B. Z X1 R2 S2

Z 1 0 0 0

X1 0 1 0 0

X2 1/3-5/3M 1/3 5/3 5/3

S1 M 0 -1 0

S2 0 0 0 1

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

R2 0 0 0 1

Solucin 4-2M 1 2 2

V.B. Z X1 R2 S2

Z 1 0 0 0

X1 0 1 0 0

X2 0 0 1 0

S1 1/5 1/5 -3/5 1

S2 0 0 0 1

R1 8/5+M 3/5 -4/5 1

R2 -1/5+M

Solucin 18/5 3/5

3/5 -1

6/5 1

Mtodo de la doble fase Pasos: Como su nombre lo indica, consiste en resolver problemas en dos fases:

i) ii)

iii)

Expresar el modelo original en la forma estndar e igualar a cero la funcin objetivo. Sumar del lado izquierdo de cada ecuacin, correspondiente a las restricciones del tipo y/o =, una variable no negativa. Estas variables se llaman variables artifciales y su adicin causa una alteracin a las restricciones correspondientes esta dificultad es superada garantizando que las variables artificiales sern igual a cero (W0=0) en la solucin ptima de la primera fase. FASE I Formular un nuevo modelo, reemplazando la funcin objetivo del modelo original por la sumatora de las variables artificiales que se sumaron en el paso anterior. La nueva funcin objetivo ser entonces de Minimizar sujeta a las restricciones del problema original (en esta fase la funcin objetivo siempre ser de minimizar, sin importar que la funcin objetivo del problema original sea de maximizar o minimizar). Si el problema tiene el espacio de soluciones factibles, el valor mnimo (optimo) de la nueva funcin objetivo ser de cero (lo cual indica que todas las variables artificiales son cero). Si esto ocurre podremos continuar con la fase dos de lo contrario, si el valor mnimo es mayor que cero el problema es terminado ya que esto indica que no existe espacio de soluciones factibles.

iv)

FASE II

considerar la solucin bsica ptima de la fase I como una solucin inicial para el problema original, en esta fase, de la tabla optima de la fase I se eliminan las columnas de las variables artificiales y se sustituye la funcin objetivo por la del problema original, Toda vez que se comprueba que se tiene una solucin inicial bsica-factible no-ptima se procede con los pasos normales del algoritmo del mtodo simplex, hasta obtener, si existe, la solucin ptima.

Ejemplo Minimizar Z = 4x1+ x2 S.A. 3x1 + x2 = 3 4x1 + 3x2 6 x1 + 2x2 # 3 xj 0 (j =1,2) Solucin: i) Expresar el modelo original en la forma estndar e igualar a cero la funcin objetivo. Z - 4x1-3x2+0x3-0x4 =0 S.A. 3x1 + x2 =3 4x1 + 3 x2 -x3 =6 x1 + 2 x2 +x4 = 3 xj 0 (j =1, 2, 3, 4,)

ii)

Sumar del lado izquierdo de cada ecuacin una variable artificial, identificada por W a cada una de las restricciones que en el modelo original sean del tipo = y , Para el ejemplo que nos ocupa, la primera y la segunda ecuacin requieren de una variable artificacial cada una, es decir, W1 y W2 respectivamente.

3x1 + x2 + w1 =3 4x1 + 3 x2 - x3 + w2 = 6 x1 + 2 x2 + x4 = 3

xj 0 (j =1,2, 3, 4) wj 0 (j =1,2)

iii)

FASE I Formular un nuevo modelo cuya funcin objetivo ser de Mnimizar, se identificar por W0 y ser igual a la sumatoria de las variables artificiales, es decir, W0 = W1+W2. Min W0 - W1-W2=0 S.A. 3x1 + x2 + w1 =3 4x1 + 3 x2 - x3 + w2 = 6 x1 + 2 x2 + x4 = 3 xj 0 (j =1,2, 3, 4) wj 0 (j =1,2) La tabla inicial de la primera fase es:

Generando la solucin inicial bsica, haciendo ceros los coeficientes 1 del rengln de la funcin objetivo de la tabla inicial simplex. Haciendo cero el coeficiente -1de la variable artificial W1; matemticamente: 1Rp+R0 1 ( 3 1 0 0 1 0 3) + 0 0 0 0 -1 -1 0 3 1 0 0 0 1 3 Haciendo cero el coeficiente-1 de la variable artificial W2, matemticamente: 1Rp+R0 1(4 3 -1 0 0 2 6)

+ 3 1 0 0 0 -1 3 7 4 -1 0 0 1 9 Sustituyendo valores se tiene la siguiente tabla que corresponde a la solucin inicial bsica no-ptima de la fase I.

Se comprueba que se tiene la solucin inicial bsica-factible no-ptima, por lo que se procede a aplicar el algoritmo del simplex hasta encontrar, si existe, la solucin ptima de la primera fase: Generando una segunda tabla. Aplicando el criterio de ptimalidad, la variable entrante ser X1 por tener el coeficiente ms positivo, 7, en el rengln cero (rengln de la funcin objetivo) porque se trata de un problema de mnimizar. Aplicando el criterio de factibilidad, la variable que sale de la base es W1 por tener el menor cociente, resultado de dividir cada elemento del vector b entre cada elemento asociado con la variable entrante. De la tabla inicial simplex identificar el elemento pivote, el cual ser el nmero que est en la interseccin de la columna relacionada con la variable entrante y la fila asociada con la variable saliente, para nuestro ejemplo, es el nmero 3 Para que X1 sea una variables bsica, el elemento pivote debe ser uno, para ello debemos dividirlo entre si mismo pero para que no se altere la informacin de nuestro problema debemos dividir entre tres todo el rengln del elemento pivote y as una segunda tabla empieza a ser generada, es decir: Rp = R1/3 3 1 0 0 1 0 3= 3 Rp = 1 1/3 0 0 1/3 0 1 El Rengln Pivotal valido para esta segunda tabla es:

(Rp) = 1 1/3 0 0 1/3 0 1

Todos los dems elementos de la columna asociada con la variable entrante (es decir X1) deben ser ceros con el fin de ir completando la segunda tabla simplex y de esta manera ptimizar el valor de la funcin objetivo W0. Seguir los siguientes pasos: Primero elegimos el elemento 7 (valor de X1 en el rengln de la funcin objetivo) Al 7 le cambiamos de signo a -7, lo multiplicamos por el rengln pivotal y le sumamos el rengln al que pertenece el 7, es decir, (-7) Rp + R0 : -7( 1 1/3 0 0 1/3 0 1) + 7 4 -1 0 0 0 9 0 5 -1 0 -7 0 2 3 3 Segundo elegimos el nmero 4(valor de X1en la ecuacin nmero dos) Al 4 le cambiamos de signo a 4, lo multiplicamos por el rengln pivotal, Rp, y le sumamos el rengln al que pertenence el 4, es decir, -4Rp + R2: -4( 1 1/3 0 0 1/3 0 1) + 4 3 -1 0 0 1 6 0 5/3 -1 0 -4/3 1 2 Tercero elegimos el nmero 1(valor de X1en la ecuacin nmero tres) Al 1 le cambiamos de signo a 1, lo multiplicamos por el rengln pivotal, Rp, y le sumamos el rengln al que pertenence el 1, es decir, -1Rp + R3: -1 (1 1/3 0 0 1/3 0 1) + 1 2 0 1 0 0 3 0 5/3 -0 1 -1/3 0 2 La segunda tabla obtenida en esta primera fase es:

Se comprueba que la solucin obtenida no es ptima por lo que se procede a generar otra solucin, construyndose as la tercera tabla simplex.

Generando una tercera tabla simplex. Como la solucin es no-ptima (porque se tienen todavia valores positivos en el rengln de la funcin objetivo) lo que procede es nuevamente definir la variable no-bsica que entrar a la base y tambin identificar la variable bsica que deber salir de la base. Para nuestro ejemplo la variable entrante es X2 y la variable saliente es W2. Para que X2 sea una variable bsica, el elemento pivote debe ser uno, para ello debemos dividirlo entre si mismo pero para que no se altere la informacin de nuestro problema debemos dividir entre cinco tercios (5/3) todo el rengln del elemento pivote y as una tercera tabla empieza a ser generada, es decir: Rp = __R2__ 5/3

0 5/3 -1 0 1 4/3 1 2= 5/3 Rp = 0 1 -3/5 0 -4/5 3/5 6/5 El Rengln Pivotal vlido para esta tercera tabla es: (Rp) = 0 1 -3/5 0 -4/5 3/5 6/5 Como todos los dems elementos de la columna asociada con la variable entrante (es decir X2) deben ser ceros con el fin de completar la tercera tabla y de esta manera ptimizar el valor de la funcin objetivo W0. Seguir los siguientes pasos: Primero elegimos el elemento 5/3 (valor de X2 en el rengln de la funcin objetivo) Al 5/3 le cambiamos de signo a -5/3, lo multiplicamos por el rengln pivotal y le sumamos el rengln al que pertenece el 5/3 , es decir, (-5/3)Rp + R0 : (-5/3) ( 0 1 -3/5 0 -4/5 3/5 6/5) + 0 5/3 -1 0 -7/3 0 2 0 0 0 0 -1 -1 0

Segundo, elegimos el elemento 1/3 (valor de X2 en la ecuacin nmero uno) Al 1/3 le cambiamos de signo a 1/3, lo multiplicamos por el rengln pivotal, Rp, y le sumamos el rengln al que pertenence el 1/3, es decir, -1/3Rp + R1: -1/3( 0 1 -3/5 0 -4/5 3/5 6/5) + 1 1/3 0 0 1/3 0 1 1 0 1/5 0 3/5 -1/5 3/5

Tercero, elegimos el elemento 5/3 (valor de X2 en la ecuacin nmero tres) Al 5/3 le cambiamos de signo a 5/3, lo multiplicamos por el rengln pivotal, Rp, y le sumamos el rengln al que pertenence el 5/3, es decir, -5/3Rp + R3: -5/3( 0 1 -3/5 0 -4/5 3/5 6/5) + 0 5/3 0 1 -1/3 0 2 0 0 1 1 1 -1 0

La tercera tabla simplex obtenida en esta primera fase es: OPTIMA

Como la solucin ptima de esta primera fase es W0 ptima = 0 y los valores de las variables artificiales W1=W2 = 0, procede pasar a la segunda fase.

iv)

Segunda fase

Debemos considerar la solucin bsica ptima de la fase I como una solucin inicial para el problema original, en esta fase, de la tabla optima de

la fase I se eliminan las columnas de las variables artificiales y se sustituye la funcin objetivo por la del problema original, Toda vez que se comprueba que se tiene una solucin inicial bsica-factible no-ptima se procede con los pasos normales del algoritmo del mtodo simplex, hasta obtener, si existe, la solucin ptima. Para nuestro ejemplo, la tabla inicial de la segunda fase es:

Como podemos observar, al sustituir la funcin objetivo de la primera fase por la funcin objetivo del modelo original, la solucin pierde su estructura bsica porque los coeficientes de X1 y X2 en la funcin objetivo son diferentes de cero, en este caso son 4 y 1 respectivamente, para restaurar la estructura bsica lo que procede es hacer ceros el 4 y el 1 (coeficientes de X1 y de X2 en la funcin objetivo) Haciendo cero coeficiente 4 de X1 4Rp + R0 4( 1 0 1/5 0 3/5) -4 -1 0 0 0 0 -1 4/5 0 12/5 Haciendo cero coeficiente 3 de X1 1Rp + R0 1( 0 1 -3/5 0 6/5) -0 -1 4/5 0 12/5 0 0 1/5 0 18/5 De esta manera tanto X1 como X2 vuelven a ser bsicas, la tabla que se obtiene es la siguiente:

Generando la solucin ptima de la segunda fase: Como la solucin es no-ptima (porque se tienen todavia valores positivos en el rengln de la funcin objetivo) lo que procede es nuevamente definir la variable no-bsica que entrar a la base y tambin identificar la variable bsica que deber salir de la base. Para nuestro ejemplo la variable entrante es X3 y la variable saliente es X4 Para que X3 sea una variable bsica, el elemento pivote debe ser uno, si observamos, la tabla anterior, al elemento pivote que queda entre la interseccin de la columna asociada con la variable entrante X3 y la fila relacionada con la variable saliente X4, ya es uno por lo tanto ese rengln sera el rengln pivotal y as la solucin ptima de la segunda fase empieza a ser generada, es decir: Rp = 0 0 1 1 0 El Rengln Pivotal vlido para esta cuarta tabla es: (Rp) = 0 0 1 1 0 Como todos los dems elementos de la columna asociada con la variable entrante (es decir X3) deben ser ceros con el fin de completar la cuarta tabla y de esta manera mejorar el valor de la funcin objertivo Z. Seguir los siguientes pasos: Primero elegimos el elemento 1/5 (valor de X3 en el rengln de la funcin objetivo) A 1/5 le cambiamos de signo a -1/5, lo multiplicamos por el rengln pivotal y le sumamos el rengln al que pertenece el 1/5 , es decir, (-1/5)Rp + R0 : (-1/5) ( 0 0 1 1 0) + 0 0 1/5 0 18/5 0 0 0 -1/5 18/5 Segundo, elegimos el elemento 1/5 (valor de X3 en la ecuacin nmero uno) Al 1/5 le cambiamos de signo a 1/5, lo multiplicamos por el rengln pivotal,

Rp, y le sumamos el rengln al que pertenence el 1/5, es decir, -1/5Rp + R1: -1/5( 0 0 1 1 0) + 1 0 1/5 0 3/5 1 0 0 -1/5 3/5 Tercero, elegimos el elemento 3/5 (valor de X3 en la ecuacin nmero dos) Al 3/5 le cambiamos de signo a 3/5, lo multiplicamos por el rengln pivotal, Rp, y le sumamos el rengln al que pertenence el -5/3, es decir, 5/3Rp + R2: 3/5( 0 0 1 1 1 -1 0) + 0 1 -3/5 0 -4/5 3/5 6/5 0 1 0 3/5 -1/5 0 6/5 La solucin ptima de la segunda fase es:

Aplicando el criterio de optimalidad, para el caso de mnimizar, comprobamos que la tabla es ptima, cumpliendose as el objetivo de aplicar el algoritmo del mtodo simplex. En conclusin se presentan todas las tablas simplex generadas para este ejemplo y la solucin ptima obtenida por el mtodo de la doble fase: La tabla inicial de la primera fase es:

La siguiente tabla corresponde a la solucin inicial bsica no-ptima de la fase I.

Segunda solucin de la primera fase:

La tercera tabla simplex obtenida en esta primera fase es: OPTIMA

La tabla inicial de la segunda fase es:

La siguiente tabla corresponde a la solucin inicial bsica no-ptima de la fase 2.

La solucin ptima de la segunda fase es:

Solucin ptima: X1 = 3/5 X2 = 6/5 Zptima = 18/5

http://www.youtube.com/watch?v=Jm0-4Qrcp1k

http://www.youtube.com/watch?v=NrJQ0oVtLLQ