Professional Documents
Culture Documents
∑Ax
i =1
i i =b
xi ≥ 0 i = 1,..., n
Sean B(1),..., B(m) los índices de las variables básicas para una
sbf del poliedro factible.
Recordar que en las sbf’s se tiene que xi = 0 ∀i ∉ B = {B(1),..., B(m)}
∑Ax
i =1
i i =b ∑A B (i ) x B ( i ) + ∑ Ai xi = b
i =1 i∉B
xi ≥ 0 i = 1,..., n xi ≥ 0 i = 1,..., n
En términos matriciales, lo que se hizo fue reordenar las
columnas de la matriz A y las componentes de los vectores c
y x de manera que se obtenga el mismo resultado.
1 2 3 …………… n 1 2 3 …………… n
1 1
2 2
A= … A=
… … …
… …
m m
…B(1).. B(2).….B(m)… B(1)B(2)…B(m)
5
AB AN
Propiedades de la Forma Estándar
1 2 3 …………… n 1 2 3 …………… n
c’ = … c’ = …
…B(1).. B(2).…..B(m)… B(1)B(2)…B(m)
cB cN
… B(1)
B(1) B(2)
… … … xB
x= B(2) x= B(m)
…
…
…
B(m) xN
…
6
Propiedades de la Forma Estándar
Ahora el problema se puede escribir así:
Min c' B x B + c' N x N (1)
AB x B + AN x N = b (2)
x≥0
b AN
7
Costos Reducidos
Reemplazando (3) en (1): ( )
c' B AB−1b − AB−1 AN x N + c' N x N
( )
c' B AB−1b + c ' N −c' B AB−1 AN x N
c' B AB−1b + c ' N x N
9
Dirección Básica Factible
Sea x una sbf y B={B(1),…B(m)} los índices de las variables
básicas.
−1
Sabemos que x B = b = AB b
xi = 0 ∀i ∉ B
Es decir x B + θd B
x N + θd N
d B = − AB−1 A j
11
Dirección Básica Factible
Al moverse en una dirección d, también se debe verificar si se
mantiene la no negatividad de las variables:
Las variables no básicas, que valen 0 inicialmente, no sufren
cambios, excepto la variable x j , la que sólo puede aumentar, ya
que d j = 1 y θ > 0
12
(
d B (i ) = − AB−1 A j )
B (i )
<0
Dirección Básica Factible
Al moverse en esta dirección la tasa de cambio en la función
objetivo estará dada por c' d
c' d = c' B d B + c j
Reemplazando d B se recupera el costo reducido de la
variable no básica j:
c' d = c j − c' B AB−1 A j = c ' j
Luego, si el costo reducido de la variable j es negativo, conviene moverse
en la j-ésima dirección básica, ya que la función objetivo disminuye.
Si es positivo, no conviene moverse el esa dirección, pues se empeora el
valor de la función objetivo.
Si es cero, es indiferente el moverse en esa dirección.
13
Dirección Básica Factible
Caso Acotado
x + θ *d
x + θd
x
d
Caso no Acotado
x
14 d x + θd
Condiciones de Optimalidad
Sea x un sbf y sea c el vector de costos reducidos
correspondiente:
a) Si c ≥ 0 , entonces x es óptimo
b) Si x es óptimo y no degenerado, entonces c ≥ 0
15
Desarrollo del Método Simplex
Hasta ahora sabemos:
Verificar si la sbf actual es óptima
Cómo movernos desde una sbf a través de la j-ésima dirección
básica factible
Falta por saber:
Cuánto moverse a lo largo de la j-ésima dirección básica factible
Cómo escoger esa dirección
16
Desarrollo del Método Simplex
Supongamos que en la sbf x se tiene que el j-ésimo costo
reducido es negativo. Luego, es conveniente moverse en la j-
ésima dirección básica factible.
Como al moverse en esta dirección se está reduciendo el valor
de la función objetivo, conviene moverse lo máximo posible,
manteniendo la factibilidad, luego se escoge θ * que cumple:
θ * = max{θ ≥ 0 / x + θd ∈ P}
xl=0
j-ésima dirección xk=0
básica factible
P
xi=0
x + θ *d
17 x
Desarrollo del Método Simplex
La única forma en que se viola la factibilidad del problema al
moverse en una dirección básica factible es si alguna
componente se hace negativa. Luego hay 2 casos:
Si d ≥ 0 entonces x + θd nunca se hace infactible y se tiene que θ * = ∞
Si d i < 0 para alguna componente i, entonces x + θd ≥ 0 ⇒ θ ≤ − xi
i i
Esto debe cumplirse para todo i tal que d i < 0 , luego: di
xi
θ * = min −
{i / d < 0} d
xm
i
i
θ ≤− xm=0
di j-ésima dirección xk=0
básica factible
P
x xl=0
θ ≤− k x +θ d
*
di
xl
θ ≤−
di
18 x
Desarrollo del Método Simplex
Ahora estamos en x + θ * d
Notar que la variable no básica x j ya no es nula y vale θ *
x j + θ * d = 0 + θ *1 = θ *
−1
3. Calcular j-ésima dirección básica factible d = − AB A j . Si
ninguna de sus componentes es negativa entonces el
problema es no acotado, su óptimo es − ∞ y el algoritmo
termina.
20
Una Iteración de Simplex
4. Si alguna componente de d es negativa, calcular
xi
θ = min −
*
{i∈B / d i < 0}
di
xl
5. θ* = −
Sea l tal que . Formar una nueva base
dl
reemplazando Al con A j . Si “y” es la nueva sbf, sus
valores están dados por:
yj =θ*
y B (i ) = x B (i ) + θ * d B (i )
21
Finitud de Simplex
Teorema:
Asumiendo que el conjunto factible es no vacío y que todas
las sbf’s son no degeneradas, entonces el método Simplex
termina en un número finito de iteraciones y entrega una
de las siguientes posibilidades:
Una base B óptima y su correspondiente sbf que es óptima.
Una dirección d de crecimiento factible e infinito, luego el
costo óptimo es menos infinito.
22
Simplex con Degenerancia
Si se usa exactamente el mismo algoritmo en presencia de
degenerancia pueden ocurrir las siguientes posibilidades:
23
Simplex con Degenerancia
xp = 0 xq = 0
Al moverse a x + θ d se tiene
*
24
Simplex con Degenerancia
En estas condiciones el algoritmo puede, eventualmente,
volver a la base inicial y quedar atrapado en un loop
infinito.
25
Simplex con Degenerancia
El algoritmo puede quedarse más xq = 0
de una iteración en el mismo xp = 0
punto x.
d xr = 0
Lo ideal sería garantizar que no se
x x + θ *d
quedará atrapado en un loop
infinito. xs = 0
xq = 0 x + θ *d
xp = 0
xr = 0 d
Para ello existen las reglas de x
pivoteo… xs = 0
26
Simplex con Degenerancia
Criterios de entrada a la base:
Escoger la variable que tenga el mínimo costo reducido
(asegura la máxima tasa de mejora en la función objetivo en
cada iteración)
Escoger la primera variable que tenga costo reducido negativo
en orden lexicográfico (es mucho más simple y tiene menor
costo computacional)