met simplex tabular y casos
TRANSCRIPT
Notas elaboradas por: M. en I. Gaston Vertiz C. 1
UAEM
FACULTAD DE INGENIERÍA
DIVISIÓN DE INGENIERÍA
CIVIL
SISTEMAS DE INGENIERÍA CIVIL 1
PROF. M. EN I. GASTON VERTIZ C.
MARZO 2013
Notas elaboradas por: M. en I. Gaston Vertiz C. 2
EJEMPLO DEL MÉTODO SIMPLEX
CON ARREGLO TABULAR
Use el procedimiento descrito antes del método simplex, para encontrar la solución óptima del MPLC siguiente:
Max z = 3x1 + 9x2
s.a
x1 + 4x2 ≤ 8
x1 + 2x2 ≤ 4
x1, x2 0
SOLUCIÓN
Notas elaboradas por: M. en I. Gaston Vertiz C. 3
SOLUCIÓN DEL EJEMPLO DEL
MÉTODO …
El MPLC en la forma estándar es:
Max z = 3x1 + 9x2 + 0x3 + 0x4
s.a
x1 + 4x2 + x3 = 8
x1 + 2x2 +x4 = 4
x1, x2, x3, x4 0
Ahora el tableau simplex inicial es:
Notas elaboradas por: M. en I. Gaston Vertiz C. 4
SOLUCIÓN DEL EJEMPLO DEL
MÉTODO …
X1 X2 X3 X4 LD VB Theta
1 4
1 2
1 0
0 1
8
4
X3
X4
8/4 = 2
4/2 = 2
3 9 0 0 Z
El tableau de la primera iteración es:
X1 X2 X3 X4 LD VB Theta
¼ 1
½ 0
¼ 0
- ½ 1
2
0
X2
X4
8
0
¾ 0 - 9/4 0 Z - 18
Notas elaboradas por: M. en I. Gaston Vertiz C. 5
SOLUCIÓN DEL EJEMPLO DEL
MÉTODO …
El tableau de la segunda iteración es:
Como se cumple el criterio de optimalidad, se ha
llegado a obtener la solución óptima, que es:
X2* = 2, X1* = 0 y Z* = 18
X1 X2 X3 X4 LD VB Theta
0 1
1 0
½ - ½
- 1 2
2
0
X2
X1
0 0 - 3/2 - 3/2 Z - 18
Notas elaboradas por: M. en I. Gaston Vertiz C. 6
CASOS QUE SE PRESENTAN AL APLICAR EL MÉTODO SIMPLEX
En la aplicación del método simplex puede suceder que se tengan casos donde la solución óptima no es única o finita o puede haber restricciones redundantes o simplemente que no haya solución. Estos casos los podemos clasificar como:
1. Degeneración.
2. Soluciones óptimas alternantes.
3. Soluciones no acotadas.
4. Soluciones inexistentes o no factibles.
Notas elaboradas por: M. en I. Gaston Vertiz C. 7
1. CASO DE DEGENERACIÓN
Cuando decimos que la variable saliente del tableau simplex, estamos usamos la regla del mínimo cociente; y si hay un empate entre dos o más razones se resuelve arbitrariamente (que para efectos de nuestro curso, se elegirá aquel que se encuentre primero de arriba hacia en la columna theta). Sin embargo, cuando sucede esto una o más veces, una de las variables básicas será necesariamente igual a cero en la siguiente iteración. En este caso decimos que la nueva solución es degenerada. Esto significa que el modelo tiene cuando menos una restricción redundante.
Notas elaboradas por: M. en I. Gaston Vertiz C. 8
1. CASO DE DEGENERACIÓN
Se presenta el fenómeno de ciclaje. Si se observan las iteraciones 1 y 2 del tableau, se verá que el valor de la función objetivo no ha mejorado (z=18).
Gráficamente se ve que una de las restricciones es redundante ya que el punto óptimo está sobredeterminado por 3 rectas. En la práctica, saber que algunos recursos son superfluos puede ser valioso al implantar la solución o también nos puede conducir a saber que hay irregularidades en la construcción del modelo. Desgraciadamente no existen técnicas confiables para determinar degeneración a partir del tableau.
Notas elaboradas por: M. en I. Gaston Vertiz C. 9
1. CASO DE DEGENERACIÓN
En la gráfica que se muestra abajo, presenta
tal situación:
Notas elaboradas por: M. en I. Gaston Vertiz C. 10
2. CASO DE SOLUCIONES ÓPTIMAS ALTERNANTES
Este caso se presenta cuando la función a optimizar (o función objetivo) es paralela a una restricción funcional lineal, es decir, a una restricción que se satisface en el sentido de la igualdad a través de la solución óptima, la función a optimizar, será óptima en todo el segmento de dicha restricción.
Notas elaboradas por: M. en I. Gaston Vertiz C. 11
EJEMPLO
Considere el MPLC que se presenta abajo. Use el procedimiento del método simplex con arreglo tabular para hallar la solución óptima.
Max z = 2x1 + 4x2
sujeto a
x1 + 2x2 ≤ 5
x1 + x2 ≤ 4
x1, x2 ≥ 0
SOLUCIÓN
El modelo estandarizado es:
Notas elaboradas por: M. en I. Gaston Vertiz C. 12
SOLUCIÓN EJEMPLO
Max z = 2x1 + 4x2 + 0x3 + 0x4
sujeto a
x1 + 2x2 + x3 = 5
x1 + x2 + x4 = 4
x1, x2, x3, x4 ≥ 0
El tableau simplex inicial es el que se presenta a continuación:
Notas elaboradas por: M. en I. Gaston Vertiz C. 13
SOLUCIÓN EJEMPLO
X1 X2 X3 X4 LD VB Theta
1 2
1 1
1 0
0 1
5
4
X3
X4
5/2 = 2.5
4/1 = 4
2 4 0 0 Z
El tableau de la primera iteración es:
X1 X2 X3 X4 LD VB Theta
½ 1
½ 0
½ 0
- ½ 1
5/2
3/2
X2
X4
0 0 -2 0 Z – 10
Notas elaboradas por: M. en I. Gaston Vertiz C. 14
SOLUCIÓN EJEMPLO
Como se cumple el criterio de optimalidad, entonces
se ha llegado a la solución óptima, que es:
Y el valor óptimo de la función objetivo es:
23
25
*
4
*
2*
x
xBx
10* z
Notas elaboradas por: M. en I. Gaston Vertiz C. 15
COMENTARIO DE SOLUCIONES
ÓPTIMAS ALTERNANTES
Con base en la teoría preliminar estudiada en el método gráfico, se sabe que en un punto extremo (nodo de adyacencia o punto factible) se encuentra la solución óptima, siempre que el modelo tenga soluciones factibles. Ahora bien, al aplicar el método simplex se ratifica que una vez hallada una SIBF, se aplicó una sola iteración para el modelo anterior y se encontró la solución óptima en el punto extremo: (x1
* , x2
*) =(5/2, 0) y el valor de Z* =10. Sin embargo, como la pendiente de la recta de la función a optimizar es igual a la pendiente de la primera restricción funcional lineal, entonces podemos pensar que sea posible que se tengan soluciones óptimas alternantes, pues dicha posibilidad la corroboraremos en el conjunto poliédrico siguiente:
Notas elaboradas por: M. en I. Gaston Vertiz C. 16
CONJUNTO POLIÉDRICO
Notas elaboradas por: M. en I. Gaston Vertiz C. 17
PREGUNTA IMPORTANTE
¿Cómo sabremos que de éste tableau existen soluciones óptimas alternantes?
Al observar los coeficientes de las variables no básicas en la función z, el coeficiente de x1 es cero, lo que indica que x1 podría entrar al conjunto de las variables básicas sin alterar el valor de z, pero provocaría un cambio en los valores de las variables.
La iteración 2 hace que x1 entre a la solución básica, lo que obligará a x4 a salir y el nuevo punto extremo de la solución óptima estaría en C (x1 =3, x2 =1) con z=10.
Es útil saber que hay soluciones óptimas alternantes, pues una de ellas se puede adaptarse mejor a lo que queremos obtener, por ejemplo si se van a vender dos productos.
Notas elaboradas por: M. en I. Gaston Vertiz C. 18
RESPUESTA A PREGUNTA
Es decir, si nos apoyamos en el tableau de la primera
iteración, que era:
El tableau de la segunda iteración, de la cual se
mencionó antes sería:
X1 X2 X3 X4 LD VB Theta
½ 1
½ 0
½ 0
- ½ 1
5/2
3/2
X2
X4
5
3
0 0 -2 0 Z – 10
Notas elaboradas por: M. en I. Gaston Vertiz C. 19
RESPUESTA A PREGUNTA
X1 X2 X3 X4 LD VB Theta
0 1
1 0
1 - 1
-1 2
1
3
X2
X1
0 0 -2 0 Z – 10
Lo cual corrobora que la otra solución óptima alternante, se encuentra en
el punto extremo: X1 = 3 y X2 = 1, con el mismo valor óptimo de Z* = 10.
Notas elaboradas por: M. en I. Gaston Vertiz C. 20
OTRA PREGUNTA IMPORTANTE
Si el método simplex sólo determina los puntos extremos B y C, ¿cómo determinar los demás puntos entre B y C?
RESPUESTA Como una combinación lineal convexa de los puntos
extremos B y C, que se mostraron en la figura anterior. Suponga que se define 0 ≤ b ≤ 1 y B: x1 = 0, x2 = 5/2 C: x1 = 3, x2 = 1 Todos los puntos entre B y C están x1 = b (0) + (1- b)(3) = 3 – 3b (1) x2 = b(5/2) + (1- b)(1) = 1 + 3b/2 (2) Cuando b = 0, entonces se obtiene (x1, x2) = (3,1) = C Cuando b = 1, entonces se obtiene (x1, x2) = (0, 5/2) =
B
Notas elaboradas por: M. en I. Gaston Vertiz C. 21
OTRA PREGUNTA …
Ahora al evaluar en el punto extremo C de
coordenadas (3, 1) en la función a optimizar,
obtenemos:
Max Z = 2(3) + 4(1) = 10.
Lo cual efectivamente se corrobora lo antes obtenido
en el tableau de segunda iteración (diapositiva 19).
Otro punto entre B y C sería cuando hacemos b = ½ y
al sustituir en las ecuaciones (1) y (2) de la diapositiva
anterior, tendríamos:
X1 = 3/2 y X2 = 7/4 y al sustituir en la función a
optimizar, obtenemos: Max Z = 2(3/2) + 4(7/4) = 10.
Notas elaboradas por: M. en I. Gaston Vertiz C. 22
3. CASO SOLUCIONES NO ACOTADAS
Para algunos modelos de programación lineal, los valores de las variables pueden aumentar en forma indefinida sin violar ninguna de las restricciones funcionales lineales, lo cual significa que el espacio de soluciones está no acotado en al menos una dirección. Y por tanto el valor de la función a optimizar (función objetivo) puede crecer (caso de maximización) o decrecer (caso de minimización) de forma indefinida. En este caso decimos que el espacio de soluciones y el valor "optimo" de la función objetivo son no acotados.
Notas elaboradas por: M. en I. Gaston Vertiz C. 23
PREGUNTA IMPORTANTE
¿Cómo sabremos cuándo sucede esto, desde el punto de vista del tableau simplex?
RESPUESTA Al realizar una iteración (búsqueda de un
nuevo nodo de adyacencia o punto extremo), investigamos primero el criterio de optimalidad, que en caso de no cumplirse, requerimos saber la variable entrante, así como la variable saliente. Debido a esto, podremos pensar en que habrá una variable entrante, que mejorará el valor de objetivo, pero no sabremos hacia qué dirección movernos, es decir no habrá variable saliente.
Notas elaboradas por: M. en I. Gaston Vertiz C. 24
EJEMPLO
Considere el MPLC que se presenta abajo. Use el procedimiento del método simplex con arreglo tabular para hallar la solución óptima.
Max Z = 2x1 + x2
sujeto a
x1 - x2 10
2x1 40
x1 , x2 0
SOLUCIÓN
Notas elaboradas por: M. en I. Gaston Vertiz C. 25
SOLUCIÓN EJEMPLO
El modelo estandarizado es:
Max Z = 2x1 + x2
sujeto a
x1 - x2 + x3 = 10
2x1 + x4 = 40
x1 , x2, x3, x4 0
El tableau simplex inicial es el que se presenta a continuación:
Notas elaboradas por: M. en I. Gaston Vertiz C. 26
SOLUCIÓN EJEMPLO
X1 X2 X3 X4 LD VB Theta
1 - 1
2 0
1 0
0 1
10
40
X3
X4
10
20
2 1 0 0 Z
El tableau de la primera iteración es la que se muestra a continuación:
X1 X2 X3 X4 LD VB Theta
1 - 1
0 2
1 0
- 2 1
10
20
X1
X4
---
10
0 3 - 2 0 Z – 20
Notas elaboradas por: M. en I. Gaston Vertiz C. 27
SOLUCIÓN EJEMPLO
El tableau de la segunda iteración es:
En el tableau de la segunda iteración, se observa que tenemos
variable entrante, pero no hay variable saliente, por lo que el
modelo se dice que es no acotado. Y por tanto, el valor de la
función objetivo crece indefinidamente, es decir el valor al
que tiende es (+ infinito) y de este modo, los valores de las
variables decisionales al menos una está no acotada en una
dirección.
X1 X2 X3 X4 LD VB Theta
1 0
0 1
0 ½
- 1 ½
20
10
X1
X2
---
---
0 0 1 - 3/2 Z – 50
Notas elaboradas por: M. en I. Gaston Vertiz C. 28
CONJUNTO POLIÉDRICO
Notas elaboradas por: M. en I. Gaston Vertiz C. 29
4. SOLUCIONES INEXISTENTES O NO
FACTIBLES
Este caso se presenta cuando las restricciones no se pueden satisfacerse en forma simultánea, se dice que el modelo no tiene solución factible. Si todas las restricciones son de la forma menor o igual que, y el lado derecho es positivo, entonces esta situación no se puede presentar, ya que la variable de holgura siempre produce una solución factible, y los valores de las variables decisionales tienen el valor nulo (origen). Sin embargo si se emplean otro tipo de restricciones y tenemos que emplear variables artificiales entonces podemos tener casos de no factibilidad.
Notas elaboradas por: M. en I. Gaston Vertiz C. 30
EJEMPLO
Considere el MPLC que se presenta abajo. Use el procedimiento del método gráfico para hallar su solución óptima.
Max z = 3x1 + 2x2
sujeto a
2x1 + x2 2
3x1 + 4x2 12
x1, x2 0
Notas elaboradas por: M. en I. Gaston Vertiz C. 31
SOLUCIÓN DEL EJEMPLO
Al dibujar el conjunto poliédrico asociado al
MPLC se obtiene:
Notas elaboradas por: M. en I. Gaston Vertiz C. 32
SOLUCIÓN DEL EJEMPLO
Se observa que la intersección de los cuatro semiespacios, es el conjunto vacío.
Conclusión:
El MPLC, tiene soluciones no factibles o bien el MPLC es infactible, o bien el MPLC no tiene soluciones factibles.
Nota: Este modelo se resolverá cuando estudiemos alguno de los métodos de variables artificiales, o también conocidos como variantes de método simplex.
TAREA (MODELO 1)
Considere el MPLC que se presenta abajo. Use el procedimiento del método simplex tabular para hallar su solución óptima, y corrobore su resultado aplicando simplex matricial.
Max z = 3x1+ 5x2
sujeto a
x1 + 2x2 40
2x1 + 5x2 60
3x1 + 7x2 36
x1, x2 0
Notas elaboradas por: M. en I. Gaston Vertiz C. 33
TAREA(MODELO 2)
Considere el MPLC que se presenta abajo. Use el procedimiento del método simplex tabular para hallar su solución óptima, y corrobore su resultado aplicando el simplex matricial.
Max z = 5x1+ 3x2
sujeto a
2x1 + x2 40
5x1 + 2x2 60
7x1 + 3x2 36
x1, x2 0
Notas elaboradas por: M. en I. Gaston Vertiz C. 34