Professional Documents
Culture Documents
Max. z = x1 + 3x2
A, B, C, D y E son Vrtices del Conjunto Factible. Para maximizar cTx desplazamos el hiperplano cTx = z en la direccin del gradiente de la funcin (el vector c). Este hecho est representado por las rectas en rojo.
5 ICO7744: Programacin Lineal
El mximo valor factible para z se obtiene en el vrtice A por lo que dicha configuracin es ptima. Luego, en el ptimo se fabricarn 20 sillas y 20 mesas. Para ello se necesitarn 100 m2 de madera, 60 m de fierro y 40 hrs-hombre (aunque no usemos todas las hrs-hombre disponibles).
7 ICO7744: Programacin Lineal
VARIABLES DE HOLGURA
Son variables que se asocian a cada restriccin general y cuyo valor es la diferencia entre el lado derecho y el lado izquierdo de la restriccin. En el ejemplo anterior: x3 = 100 - x1 - 4x2 x4 = 60 - x1 - 2x2 x5 = 50 - x1 - x2 En el ptimo x3 = 0, x4 = 0 y x5 = 10.
VARIABLES DE HOLGURA
Vrtice A B C D E x3 0 20 50 100 0 x4 0 0 10 60 10 x5 10 0 0 50 25
Propiedad:
En cada vrtice, las variables de holgura asociadas a las restricciones activas tienen valor 0 y las asociadas a las restricciones no activas, son positivas.
10
11
12
13
14
El conjunto factible de esta figura no se puede caracterizar mediante un sistema de desigualdades lineales.
ICO7744: Programacin Lineal
17
19
3. Variables no positivas e irrestrictas pueden reemplazarse por no negativas, es decir: Si xi 0, se reemplaza por - xi 0. Si xi es irrestricta, se reemplaza por xi = xi - xi , con xi , xi 0.
20
21
22
23
24
25
La solucin x = [xB| xR]T con xB = = B-1 b y xR = 0 se denomina solucin bsica (est asociada a una base de vectores de la matriz A). Si adems xb 0, entonces se trata de una solucin bsica factible puesto que satisface todas las restricciones del (PL) (Ax = b, x 0). Luego, para que una solucin bsica sea factible se necesita que 0. Si dicha condicin se cumple, se dice que la matriz bsica B es una matriz (o base) primal factible. En el ejemplo anterior, xB = (x1 , x3 , x4) = (50 , 50 , 10) es una solucin bsica factible. Se puede verificar fcilmente que xR = (x2 , x5 ) = (0 , 0).
26 ICO7744: Programacin Lineal
27
Bases Infactibles:
28
29
Como existe una variable bsica negativa, B no puede ser Base Primal Factible.
33
Definamos un problema auxiliar asociado al (PL) incorporando variables artificiales ti : (P1) min. z = s.a. Ax + It = b x,t0
34 ICO7744: Programacin Lineal
= cR - cB
35 ICO7744: Programacin Lineal
Cmo obtenemos una nueva solucin bsica factible si no se cumple el criterio de optimalidad? Debemos movernos a otro vrtice modificando la base. Notacin: : Componentes de : Componentes de : Coeficientes de
36 ICO7744: Programacin Lineal
37
Con este criterio, SIMPLEX asegura no salirse del espacio de soluciones factibles al efectuar una iteracin. Con la nueva base se vuelve a iterar.
38
39
Fase 1 de SIMPLEX:
(P1) min. t1 + t2 + t3 s.a: x1 + x3 + x4 + t1 x2 + x3 + x5 + t2 x3 - x6 + t3 x1, x2, x3, x4, x5, x6, t1, t2, t3
40 ICO7744: Programacin Lineal
=2 =2 =1 0
t3 sale de la base Luego, xB = (t1, t2, x3) , xR = (x1, x2, t3, x4, x5, x6) .
42
43
t1 o t2 pueden salir de la base. Saquemos a t1. Observar que es menor que cero Luego, xB = (x6, t2, x3) , xR = (x1, x2, t3, x4, x5, t1) .
44 ICO7744: Programacin Lineal
45
t2 sale de la base. Observar que slo es mayor que cero. Luego, xB = (x6, x2, x3) , xR = (x1, t2, t3, x4, x5, t1) .
46 ICO7744: Programacin Lineal
Propuesto: Verificar que xB = (x6, x2, x3) = (1, 0, 2) y xr = 0 es solucin del problema.
49
Fase 2 de SIMPLEX:
(PE) min. -x1 - x2 - 3x3 s.a: x1 + x3 + x4 =2 x2 + x3 + x5 = 2 x3 - x6 = 1 x 1, x 2, x 3, x 4, x 5, x 6 0
50 ICO7744: Programacin Lineal
51
52
Fase 1:
53
(P1) min. t1 + t2 s.a: -x1 + 3x2 + x3 + t1 2x1 + x2 - x4 + t2 x1, x2, x3, x4,t1, t2
=9 =6 0
54
55
56
57
59
El problema es no acotado!!!
60
Fase 1:
62
63
B es Base ptima donde xB = (x3, x1) = (12, 3) , xR = (x4, x2) = (0, 0) es uno de los ptimos. Este problema admite ptimos alternativos pues existe un costo reducido igual a cero.
Propuesto:Verificar por el Mtodo Grfico que existen ptimos alternativos.
65
67
DUALIDAD: Ejemplo 1
Determine el problema dual asociado el siguiente problema primal: (P) Max. z = x1 + x2 + 3x3 s.a: x1+ x3 2 x2 + x 3 2 x1 , x2 , x3 0 Solucin: (D) Min. w = 2y1 + 2y2 s.a: y1 1 y2 1 y1 + y2 3 y1 , y2 0
68 ICO7744: Programacin Lineal
Sean
soluciones factibles para los problema (P) y (D) respectivamente. son ptimos s y slo s
70
DUALIDAD: Ejemplo 2
Sea el siguiente problema de programacin lineal: (P) Min. z = 20x1 + 2x2 s.a: 4x1 + x2 3 5x1 - x2 1 x1 , x 2 0 a) Formule el problema dual de P. (D) Max. w = 3y1 + y2 s.a: 4y1 + 5y2 20 y1 - y2 2 y1 , y2 0
ICO7744: Programacin Lineal
71
DUALIDAD: Ejemplo 2
b) Grafique el problema dual, encuentre el punto y valor ptimo. El grfico es el siguiente:
El ptimo se encuentra en la interseccin de las rectas que representan las restricciones, es decir, en (y1*, y2*) = (10/3, 4/3), donde se obtiene un valor ptimo de w* = 11,3.
72 ICO7744: Programacin Lineal
DUALIDAD: Ejemplo 2
c) Encuentre el valor ptimo del problema original (P) usando el teorema de holgura complementaria. Usando el Teorema de Holgura Complementaria: (4x1 + x2 - 3) y1 = 0 (5x1 - x2 -1) y2 = 0 (20 - 4y1 - 5y2 ) x1 = 0 (2 - y1 + y2 ) x2 = 0 Como y1 e y2 son distintos de cero, utilizando las primeras dos ecuaciones: 4x1 + x2 - 3 = 0 5x1 - x2 -1 = 0 Resolviendo obtenemos (x1*, x2*) = (4/9, 11/9) y z* = 11,3.
75
76
DUALIDAD: Ejemplo 3
Se desea disear un plan de produccin de mximo beneficio para dos posibles productos que se fabrican utilizando 3 insumos. El modelo lineal es el siguiente: (P) Max. z = x1 + 1,5x2 s.a: 2x1 + 2x2 160 x1 + 2x2 120 4x1 + 2x2 280 x1, x2 0 Donde x1 y x2 son las unidades a producir del producto 1 y 2 respectivamente.
77 ICO7744: Programacin Lineal
DUALIDAD: Ejemplo 3
a) Encuentre el ptimo de (P) utilizando el Mtodo Grfico o Simplex.
Respuesta: (x1*, x2*) = (40, 40) y z* = 100. Notar que si x3, x4 y x5 son las variables de holgura de las restricciones 1, 2 y 3 respectivamente, entonces x3 = 0, x4 = 0 y x5 = 40, es decir, se usan totalmente los insumos 1 y 2 mientras que no se usan 40 unidades del insumo 3.
78
DUALIDAD: Ejemplo 3
c) Encuentre el punto y valor ptimo del problema dual usando el Teorema de Holgura Complementaria.
Como x1* y x2* son distintos de cero: Del Problema dual: 2y1 + y2 + 4y3 - 1 = 0 4y1 + 4y2 + 4y3 - 3 = 0 Del Problema Primal (slo necesitamos la 3ra.): (280 - 4x1 - 2x2 ) y3 = 0 De esta ltima ecuacin, en el ptimo se tiene necesariamente que y3* = 0. Reemplazando en las dos primeras: y1* = , y2* = y w* = 100. Notar que, nuevamente, el valor ptimo del dual es igual al valor ptimo del primal tal y como lo indica el Teorema Fundamental de Dualidad.
79 ICO7744: Programacin Lineal
DUALIDAD: Ejemplo 3
d) Chequee los valores obtenidos en c) utilizando SIMPLEX.
Cmo calculamos el valor de las variables duales utilizando Simplex? EL VALOR DE LAS VARIABLES DUALES (PRECIOS SOMBRA) CORRESPONDE A cB B*-1 (donde B* es Base ptima). En el ejemplo: Variables bsicas (las no nulas): Costos bsicos: Base ptima: Luego,
80 ICO7744: Programacin Lineal
DUALIDAD: Ejemplo 3
e) Interprete los resultados recordando el significado de las variables duales en el ptimo.
y3* = 0 implica que el beneficio no vara si se efectan pequeas modificaciones en la disponibilidad del insumo 3. Cada unidad adicional del insumo 1 significa aumentar el beneficio total en $0,25. Luego, el mximo precio que conviene pagar por cada unidad extra de insumo 1 es $0,25. Cada unidad adicional del insumo 2 significa aumentar el beneficio total en $0,5. Luego, el mximo precio que conviene pagar por cada unidad extra de insumo 2 es $0,5. Cuntas unidades adicionales conviene adquirir? Los valores anteriores valen para pequeas variaciones en la disponibilidad de los insumos.
81 ICO7744: Programacin Lineal
ANLISIS DE SENSIBILIDAD
Los parmetros del modelo (bi, cj, aij) se los asume como constantes conocidas, pero en la prctica estos valores suelen ser estimaciones por lo que es interesante analizar el efecto que tienen sobre la solucin posibles errores en los parmetros. Buscaremos intervalos o rangos de variacin de: Las componentes del vector de disponibilidad de recursos o requerimientos (bi) Los coeficientes de la funcin objetivo costos unitarios (cj) Los coeficientes de la matriz A o coeficientes tecnolgicos (aij) que permiten que la base ptima obtenida siga siendo ptima.
82
Como en la condicin de optimalidad no hay dependencia explicita de b, ella no impone condiciones y, por lo tanto, solo debemos verificar la
condicin de facibilidad.
Observacin: En el anlisis grfico, modificar este parmetro equivale a modificar el intercepto de la recta asociada a la restriccin modificada.
ICO7744: Programacin Lineal
83
Como en la condicin de factibilidad no hay dependencia explicita de c, ella no impone condiciones y, por lo tanto, solo debemos verificar la
condicin de optimalidad.
Notar que si el costo modificado es de una variable no bsica, slo se altera el costo reducido asociado a dicha variable pero si se modifica el costo de una variable bsica, todos los costos reducidos pueden verse afectados. Observacin: En el anlisis grfico, modificar este parmetro equivale a modificar la pendiente de la recta asociada a la funcin objetivo.
Como tanto en la condicin de factibilidad como en la de optimalidad hay dependencia explicita de A, debemos verificar ambas
condiciones.
Observacin: En el anlisis grfico, modificar estos parmetros equivale a modificar tanto las pendientes como los interceptos de las rectas asociadas a las restricciones modificadas.
85 ICO7744: Programacin Lineal
86
Resolucin del modelo: Utilizando SIMPLEX: (PE) min. 20x1 + 10 x2 + 31x3 + 11x4 + 12x5 s.a: x1 + x3 + x4 + 2x5 - x6 = 21 x2 + 2x3 + x4 + x5 - x7 = 12 xi 0 ; para todo i = 1,, 7
88 ICO7744: Programacin Lineal
Observar que justo estamos en el ptimo en la prctica, usted tendra que iterar para descubrir las variables bsicas del punto ptimo.
89 ICO7744: Programacin Lineal
90
12 y 24 para que la dieta ptima siga siendo de leche y espinaca (se mantienen las variables bsicas). Si nos salimos de ese lmite,
la solucin anterior no es factible y, por lo tanto, tampoco es ptima. Observar que esos sern los alimentos a consumir pero las cantidades cambian!. En efecto, si por ejemplo el requerimiento de Fierro fuera de 14, en el ptimo, se consumiran 10 porciones de leche y 2 de espinaca con lo que el Costo Total ser de 134.
92 ICO7744: Programacin Lineal
siendo ptima.
Notar que estamos analizando qu pasa ante variaciones de un costo bsico, razn por la cual todos los costos reducidos se vern afectados.
93
medida que el precio de la leche se mantenga entre $6 y $11. Fuera de ese lmite, la dieta anterior ser factible pero no ptima.
En este caso, las cantidades ptimas a consumir de leche y espinaca se mantienen puesto que la solucin bsica tiene el mismo valor. Sin embargo, LOS PRECIOS SOMBRA S CAMBIARN!
Luego, la dieta ptima no se modificar siempre y cuando el precio de una porcin de huevos sea mayor o igual a 1.
98
g2
g1
Luego, la base ptima seguir siendo la misma mientras b1 se mueva entre -2 y 4 (no es necesario verificar la optimalidad). Nuevamente, pese a que las variables bsicas son las mismas, la solucin ptima depende de b1 por lo que los valores que tomen las variables bsicas en el ptimo cambiarn.
101 ICO7744: Programacin Lineal
b1
102
Luego, la base ptima seguir siendo la misma mientras c1 se mueva entre -1 y 2 (no es necesario verificar la factibilidad). Esta vez, las variables bsicas son las mismas y los valores que ellas toman en el ptimo tambin pues los costos no afectan la solucin bsica. Grficamente, debemos pensar cunto se puede modificar la pendiente de la funcin objetivo para que el punto ptimo siga siendo el mismo.
103 ICO7744: Programacin Lineal