Universidad de La Frontera de Temuco Facultad de Ingenier a, Ciencias y Administraci on

Tarea N umero 2 Optimizaci on

Profesor : Juan Pablo Concha Integrantes : Cristian Millacan V ctor Valdebenito Entrega : 6 de diciembre de 2012

 Indice
1. Desarrollo del Trabajo 1.1. Problema 1 . . . . . . 1.1.1. Primera Parte 1.1.2. Segunda Parte 1.1.3. Tercera Parte 1.1.4. Cuarta Parte . 1.1.5. Quinta Parte . 1.1.6. Sexta Parte . 1.1.7. S eptima Parte 1.2. Problema 2 . . . . . . 1.2.1. Primera Parte 1.2.2. Segunda Parte 1.2.3. Tercera Parte 1.2.4. Cuarta Parte . 1.2.5. Quinta Parte . 1.2.6. Sexta Parte . 1.3. Problema 3 . . . . . . 1.3.1. Primera Parte 1.3.2. Segunda Parte 1.4. Problema 4 . . . . . . 1.4.1. Primera Parte 1.4.2. Segunda Parte 1.4.3. Tercera Parte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 3 3 5 6 7 9 12 13 13 13 15 16 18 19 19 21 21 22 24 24 25 26

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

1.

Desarrollo del Trabajo

A continuaci on se encuentran el desarrollo de cada uno de los problemas planteados, con sus respectivos desarrollos y soluciones encontradas.

1.1.

Problema 1

El problema de programaci on lineal propuesto a resolver es: min z = x1 + x2 2x3 x4 + 2x5 + x6 x7 3x8 s.a 2x1 + x2 x3 + x4 x5 + x6 x7 = 9 x1 + x2 x3 x4 + 2 x5 + 3 x7 x8 2 x 1 x2 x3 + x5 + 5x6 x7 3x8 0 x1 + x2 x3 + x4 x 5 + x6 + 3 x7 x8 4 x2 x3 + x4 5x5 x6 + 3x7 + 2x8 3 x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 10 x1 , x2 , x3 , x4 , x5 , x6 , x7 , x8 0

De aqu , vemos que la matriz A y el vector b con condiciones de menor-igual y el vector costos c son: 1 1 1 1 1 1 2 0 3 1 2 2 1 1 1 0 1 5 1 3 0 1 1 1 1 1 1 3 1 A= 1 ,b= 4 yc= 2 0 3 1 1 1 5 1 3 2 1 1 1 1 1 1 1 1 1 10 1 3 y la matriz Aeq con su vector beq con condiciones de igualdad son: Aeq = (2 1 1 1 1 1 1 0) y beq = (9) A partir de esta informaci on, vamos a resolver el problema por los distintos m etodos pedidos. 1.1.1. Primera Parte

Vamos a utilizar MatLab para resolver el (PL). Para ellos ocuparemos la funci on linprog, por lo cual iniciaremos en la ventana de comandos, los argumentos que linprog necesita para resolver el problema. Este trabajo ya est a hecho, ya que tenemos nuestra matriz A con condiciones de menor-igual y su vector b correspondiente, junto a la matriz Aeq y su vector beq correspondiente con condiciones de igualdad. El siguiente c odigo muestra la inicializaci on de estas variables en la ventana de comandos de MatLab: >> A=[-1 -1 1 1 -2 0 -3 1 1 -1 -1 0 1 5 -1 -3 1 1 -1 1 -1 1 3 -1 0 1 -1 1 -5 -1 3 2 1 1 1 1 1 1 1 1]; >> b=[-2;0;4;3;10]; >> c=[1;1;-2;-1;2;1;-1;-3]; >> Aeq=[2 1 -1 1 -1 1 -1 0]; P agina 3

Informe Tarea N 2 Optimizaci on >> beq=[9]; >> lb=zeros(8,1);

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Donde la variable lb = zeros(8, 1) almacena la condici on de cada una de las 8 variables es mayor o igual que cero. Lo que contin ua ahora es hacer la llamada a la funci on linprog y darle como argumentos las matrices y vectores reci en iniciados. El siguiente c odigo muestra dicha llamada en donde se pasa como par ametros todo lo descrito anteriormente y se espera de vuelta la soluci on factible b asica (si es que es posible encontrarla) y el valor m nimo de la funci on z : >> [x,fval]=linprog(c,A,b,Aeq,beq,lb); Optimization terminated. Al mostrar x y f val se obtiene: >> x x = 5.2500 0.0000 1.0000 0.0000 0.5000 0.0000 0.0000 3.2500 >> fval fval = -5.5000 Con lo que concluimos que la soluci on o ptima del problema es el punto xt = y el valor m nimo que puede tomar z es 11 . 2 21 1 13 , 0, 1, 0, , 0, 0, 4 2 4 ,

P agina 4

Informe Tarea N 2 Optimizaci on 1.1.2. Segunda Parte

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Ahora introduciremos el problema tal como est a en su estado original al programa WinQSB. La siguiente gura muestra los datos ingresados en el programa antes de que lo resuelva:

Figura 1 Ejecutamos el programa para que resuelva con los datos ingresados y obtenemos los siguientes resultados que se resumen en la siguiente tabla:

Figura 2 Por lo que el m nimo del problema es 5, 5 y la soluci on optima del problema es xt = El problema encontr o la soluci on optima en 8 iteraciones simplex. 21 1 13 , 0, 1, 0, , 0, 0, . 4 2 4

P agina 5

Informe Tarea N 2 Optimizaci on 1.1.3. Tercera Parte

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Para resolver nuestro problema lineal por el lenguaje AMPL, crearemos un block de notas, en donde denimos las variables del problema, las restricciones y nuestra funci on objetivo. El c odigo ingresado en este block de notas es: var x1 >=0; x2 >=0; x3 >=0; x4 >=0; x5 >=0; x6 >=0; x7 >=0; x8 >=0;

var var var var var var var

minimize z: x1+x2-2*x3-x4+2*x5+x6-x7-3*x8; subject subject subject subject subject subject to to to to to to restriccion1 restriccion2 restriccion3 restriccion4 restriccion5 restriccion6 : : : : : : 2*x1+x2-x3+x4-x5+x6-x7=9; x1+x2-x3-x4+2*x5+3*x7-x8>=2; x1-x2-x3+x5+5*x6-x7-3*x8<=0; x1+x2-x3+x4-x5+x6+3*x7-x8<=4; x2-x3+x4-5*x5-x6+3*x7+2*x8<=3; x1+x2+x3+x4+x5+x6+x7+x8<=10;

Guardamos nuestro c odigo en dos archivos, uno llamado problema1.mod en donde el lenguaje AMPL lee el modelo del problema y otro llamado problema1.dat, en donde se cargan los datos y variables del problema. Ahora vamos a ejecutar desde la ventana de comandos los archivos creados:

Figura 3 P agina 6

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Una vez hecho esto, damos la instrucci on solve para que el programa ejecute la soluci on, con lo que obtenemos:

Figura 4 El programa muestra en pantalla el algoritmo utilizado, que en este caso es dual-Simplex, indicando adem as el n umero de iteraciones realizadas, las que fueron 5. A diferencia de la herramienta Linear and Integer Programming de WinQSB, esta aplicaci on utiliz o el algoritmo Simplex, el cual es m as largo de realizar para este problema, con 8 iteraciones. Se nalamos esto, en vista de que AMPL obtuvo la soluci on en un intervalo m as corto de tiempo, lo cual es relevante para resolver problemas de mayor envergadura. 1.1.4. Cuarta Parte

Vamos a resolver ahora, nuestro problema utilizando la herramienta solver de Excel. Para ello, necesitamos declarar nuestras variables, las cuales ubicamos en el vector que va desde la casilla C4 a la J4, como muestra la gura 5. A continuaci on se coloca el vector costos c desde la casilla C5 a la J5. Declaramos nuestra funci on objetivo en la casilla L4, la cual tiene en su interior el producto entre el vector C4:J4 por el vector C5:J5, usando la funci on de excel SUMAPRODUCTO, con lo que el contenido de la casilla L4 es: =SUMAPRODUCTO(C4:J4,C5;J5) Ahora escribimos la matriz A de nuestro problema dentro de las casillas C8,C13,J8 y J13. Ahora escribimos el vector b como vector columna entre las casillas L8 y L13. Finalmente construimos las restricciones del (P L) escribiendo las siguientes instrucciones en las casillas indicadas: K8:=SUMAPRODUCTO(C4:J4,C8:J8) K9:=SUMAPRODUCTO(C4:J4,C9:J9) K10:=SUMAPRODUCTO(C4:J4,C10:J10) P agina 7

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos K11:=SUMAPRODUCTO(C4:J4,C11:J11) K12:=SUMAPRODUCTO(C4:J4,C12:12) K13:=SUMAPRODUCTO(C4:J4,C13:J13)

Todo lo descrito anteriormente, lo vemos en la gura 5:

Figura 5 Ahora es cuando arranca solver, y lo primero que debemos hacer es agregar las casillas que reci en describimos, para la funci on objetivo y las restricciones, adem as del tipo de restricci on, , o =. Lo anterior lo vemos en la gura 6:

Figura 6 P agina 8

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Adem as, en este cuadro de di alogo, es donde indicamos la no negatividad de nuestras variables. Finalmente aceptamos todos los par ametros y aparece el siguiente recuadro:

Figura 7 De aqu conservamos la soluci on encontrada, y el resultado nal de este proceso culmina en lo siguiente:

Figura 8 De donde se sigue que el m nimo del problema ingresado es 5,5 y el vector soluci on es xt = Este resultado es congruente con todo lo realizado hasta ahora. 1.1.5. Quinta Parte 21 1 13 . , 0, 1, 0, , 0, 0, 4 2 4

Para comenzar a iterar en Simplex, necesitamos encontrar una soluci on factible b asica inicial. En nuestro problema est a soluci on no se hace evidente, ya que no hay una base can onica para comenzar a escribir el problema en forma expl cita. Resolveremos entonces, el problema usando Simplex en dos fases. Al transcribir nuestro problema a forma est andar, obtenemos:

P agina 9

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

min z = x1 + x2 2x3 x4 + 2x5 + x6 x7 3x8 s.a 2x1 + x2 x3 + x4 x5 + x6 x7 = 9 x1 x2 x3 x4 + 2 x5 + 3 x7 x8 xh 9 = 2 h x1 x2 x3 + x5 + 5x6 x7 3x8 + x10 = 0 h x 1 + x2 x3 + x4 x5 + x6 + 3x7 x8 + x11 = 4 x2 x3 + x4 5x5 x6 + 3x7 + 2x8 + xh 12 = 3 x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x h 13 = 10 h xi 0, xj 0; i {1, . . . , 8}; j {9, . . . , 13}

a De donde podemos obtener nuestro problema auxiliar, agregando dos variables xa 14 y x15 , quedando el problema auxiliar modelado como: a min z a = xa 14 + x15 s.a 2x1 + x2 x3 + x4 x5 + x6 x7 + xa 14 = 9 a h x1 x2 x3 x4 + 2x5 + 3x7 x8 x9 + x15 = 2 h x x x + x + 5 x x 3 x + x = 0 1 2 3 5 6 7 8 10 h = 4 x + x x + x x + x + 3 x x + x 1 2 3 4 5 6 7 8 11 h x2 x3 + x4 5x5 x6 + 3x7 + 2x8 + x12 = 3 x1 + x2 + x3 + x 4 + x5 + x6 + x7 + x8 + xh 13 = 10 h a a xi 0, xj 0; i {1, . . . , 8}; j {9, . . . , 13}; x14 , x15 0

Lo que escrito en una tabla Simplex queda de la siguiente manera: xa 14 xa 15 xh 10 xh 11 xh 12 xh 13 z x1 2 1 1 1 0 1 3 x2 1 1 1 1 1 1 2 x3 1 1 1 1 1 1 2 x4 x5 x6 x7 1 1 1 1 1 2 0 3 0 1 5 1 1 1 1 3 1 5 1 3 1 1 1 1 0 1 1 2 xh x8 xh 10 9 0 0 0 1 1 0 3 0 1 1 0 0 2 0 0 1 0 0 1 1 0 xh 11 0 0 0 1 0 0 0 xh 12 0 0 0 0 1 0 0 xh 13 0 0 0 0 0 1 0 xa 14 1 0 0 0 0 0 0 xa 15 0 1 0 0 0 0 0 b 9 2 0 4 3 10 11

Podemos ver que la variable que debe entrar a la base es x1 y sale xh 10 . Al iterar obtenemos: xa 14 xa 15 x1 xh 11 xh 12 xh 13 z x1 0 0 1 0 0 0 0 x2 3 2 1 2 1 2 5 x3 x4 1 1 0 1 1 0 0 1 1 1 2 1 1 0 x5 x6 x7 3 9 1 1 5 4 1 5 1 2 4 4 5 1 3 0 4 2 2 14 5 x8 6 2 3 2 2 4 8 xh xh 9 10 0 2 1 1 0 1 0 1 0 0 0 1 1 3 xh 11 0 0 0 1 0 0 0 xh 12 0 0 0 0 1 0 0 xh 13 0 0 0 0 0 1 0 xa 14 1 0 0 0 0 0 0 xa 15 0 1 0 0 0 0 0 b 9 2 0 4 3 10 11

Ahora, observamos que debe entrar x8 con lo que xa 15 debe salir. Al iterar obtenemos:

P agina 10

Informe Tarea N 2 Optimizaci on x1 0 0 1 0 0 0 0 x2 3 1 2 0 1 2 3 x3 1 0 1 0 1 2 1 x4 4 1 2 3 2 2 2 3 4 x5 6

1 2 5 2

Desarrollo del Trabajo Soluci on a ejercicios Propuestos x6 6 5 2 5 2 1 4 6 6 x7 x8 11 0 2 1 5 0 0 0 1 0 6 0 11 0 xh 9 3 1 2 3 2 1 1 2 3 xh 10 1 1 2 1 2 0 1 1 1 xh 11 0 0 0 1 0 0 0 xh 12 0 0 0 0 1 0 0 xh 13 0 0 0 0 0 1 0 xa 14 1 0 0 0 0 0 0 xa 15 3

1 2 3 2

xa 14 x8 x1 xh 11 xh 12 xh 13 z

3 6 2 6

1 1 2 4

b 3 1 3 2 1 6 3

De aqu , vemos que x6 debe entrar y por ende xh 12 debe salir, con lo que iterando obtenemos: xa 14 x8 x1 xh 11 x6 xh 13 z x1 0 0 1 0 0 0 0 x2 3 2
3 8 11 8 1 4 1 4 1 2 3 2

x3 5 8 13 8 1 4 1 4 7 2 5 2
5 2

x4 1 1 4
3 2 1 2 3 4

0 1

x5 3 13 4 5 4 3 2 3 2 7 3

x6 0 0 0 0 1 0 0

x7 19 2
11 8 35 8 1 4 1 4 9 2 19 2

x8 0 1 0 0 0 0 0

xh 9
7 8 3 4 1 4 1 2 3 2 3 2 1 8

xh 10 1 2
1 4 1 2 1 2 1 4 1 8 1 8

xh 11 0 0 0 1 0 0 0

xh 12 3 2 1 4 3 2 3 2
1 4 5 8 5 8

xh 13 0 0 0 0 0 1 0

xa 14 1 0 0 0 0 0 0

xa 15 3 2 1 8 3 4 1 4 1 2 5 2
7 8

b
3 2 13 8 29 8 7 4 1 4 9 2 3 2

Identicamos a x5 como la variable que entra y a xa 14 como la variable que sale. Iteramos y obtenemos: x5 x8 x1 xh 11 x6 xh 13 z x1 0 0 1 0 0 0 0 x2 1 2 5 4 1 2 1 3 0
3 4

x3
5 6 25 12 7 12 3 2

x4
1 3 11 6 1 6

1 7 3 0

2 1 7 3 0

x5 1 0 0 0 0 0 0

x6 0 0 0 0 1 0 0

x7 19 6 107 12
5 12 9 2 53 3

5 0

x8 0 1 0 0 0 0 0

xh 9
1 4 3 2 1 2 7 4

1 3 0

xh 10 1 6 5 12 1 12 1 2 0
2 3

xh 11 0 0 0 1 0 0 0

xh 12 1 2 1 0 1 1 2 2 0

xh 13 0 0 0 0 0 1 0

xa 14
1 3 13 12 5 12 1 2 1 2 7 3

xa 15 1 2 7 4 3 2 1 3 1
1 4

b
1 2 13 4 17 4 5 2

1 1 0

De aqu encontramos el o ptimo esperado del problema auxiliar. Como el problema auxiliar tiene m nimo cero, entonces encontramos una soluci on factible b asica para nuestro problema original. Aqu comienza la segunda fase de resoluci on. Quitando las variables auxiliares y recalculando todos los zj cj con los costos de la funci on objetivo original, obtenemos la siguiente tabla: cj c5 = 2 x5 c8 = 3 x 8 c1 = 1 x1 c11 = 0 xh 11 c6 = 1 x6 c13 = 0 xh 13 z 1 x1 0 0 1 0 0 0 0 1 x2 1 2 5 4
1 2 1 3 3 2 3 4

2 x3
5 6 25 12 7 12 3 2

1 x4
1 3 11 6 1 6

1 7 3 13 6

2 1 7 3 8 3

2 x5 1 0 0 0 0 0 0

1 x6 0 0 0 0 1 0 0

1 x7 19 6 107 12
5 12 9 2

5
53 3 101 6

3 0 0 h x8 xh x 9 10 1 1 0 2 6 7 5 1 4 12 1 0 1 12 4 3 0 1 2 2 0 1 0 2 0 3 3 5 0 7 2 6

0 xh 11 0 0 0 1 0 0 0

0 xh 12 1 2 1 0 1 1 2 2
3 2

0 xh 13 0 0 0 0 0 1 0

b
1 2 13 4 17 4 5 2

1 1 7 2

Identicamos a x7 como la variable que debe entrar a la base y xh 13 debe salir. Iterando resulta:

P agina 11

Informe Tarea N 2 Optimizaci on x1 0 0 1 0 0 0 0 x2

2 53 14 53 36 53 14 53 8 53 9 53 72 53

Desarrollo del Trabajo Soluci on a ejercicios Propuestos x3

22 53 48 53 28 53 48 53 18 53 7 53 3 53

x5 x8 x1 xh 11 x6 x7 z

x4 4 106
139 212 47 12 149 106 18 53 7 53 47 106

x5 1 0 0 0 0 0 0

x6 0 0 0 0 1 0 0

x7 0 0 0 0 0 1 0

x8 0 1 0 0 0 0 0

25 106 19 106 39 53 8 53 9 53 34 53

xh 9 2 53

xh 10 5 106 17 212 21 212 35 106

10 53 2 53 21 106

xh 11 0 0 0 1 0 0 0

xh 12 15 106
1 106 5 106 26 53 7 106 6 53 43 106

xh 13
19 106 107 212 5 212 27 106 15 53 3 53 101 106

b
36 53 199 53 224 53 146 53 68 53 3 53 236 53

De ac a, vemos que xh 10 entra a la base y x7 sale de ella. Al iterar obtenemos: x5 x8 x1 xh 11 x6 xh 10 z x1 0 0 1 0 0 0 0 x2

1 4 5 8 9 8 7 4 9 2

x3
1 4 5 8 7 8 1 4

x4 1 4 1 8 1 4 1 7 2
1 4 3 8

1 9 4

1 7 2
3 4

x5 1 0 0 0 0 0 0

x6 0 0 0 0 1 0 0

x7
5 4 17 8 21 8 35 4

5
53 2 21 4

x8 0 1 0 0 0 0 0

xh 9 1 4 1 8 5 8 3 4 1 9 2
1 4

xh 10 0 0 0 0 0 1 0

xh 11 0 0 0 1 0 0 0

xh 12 0
1 4 1 4 1 2 1 2

xh 13
1 4 5 8 1 8 3 4

b
3 4 31 8 35 8 13 4

0 5 4
3 2

1
3 2 19 4

3 1

Se logra identicar a x3 como la variable entrante a la base, por lo que x6 debe salir, obteniendo como resultado la siguiente tabla: x5 x8 x1 xh 11 x3 xh 10 z x1 0 0 1 0 0 0 0 x2
1 2 5 4 1 4 3 2

1 1 3 2

x3 0 0 0 0 1 0 0

x4 1 2 1 4
3 4 1 2

1 0 1 2

x5 1 0 0 0 0 0 0

x6 1 4 5 8
7 8 1 2 7 2

x7
5 2 21 4 7 4 15 2

1
3 4

5 9 201 8

x8 0 1 0 0 0 0 0

xh 9 1 2 3 4 1 2 1 1 1 2
1 4

xh 10 0 0 0 0 0 1 0

xh 11 0 0 0 1 0 0 0

xh 12
1 8 19 16 3 16 3 8 1 2 5 4 5 8

xh 13
1 4 5 8 1 8 3 4

b
1 2 13 4 21 4 7 2

0 5 4
3 2

1 5 11 2

La que se identica como la tabla o ptima del problema. De aqu , concluimos que el problema posee 21 11 1 13 , 0, 1, 0, , 0, 0, soluci on u nica, con xt = , y z = , concordando con todos los resultados 4 2 4 2 obtenidos anteriormente. 1.1.6. Sexta Parte

Para realizar el an alisis de sensibilidad, vamos a tomar la tabla nal simplex, en la que vamos a recalcular todos los zj cj . Esto da como resultado la siguiente tabla: cj c5 = 2 x5 c8 = 3 x8 c1 = 1 x 1 c11 = 0 xh 11 c3 = 2 x3 c10 = 0 xh 10 z 1 1 2 x1 x2 x3 1 0 0 2 5 0 0 4 1 1 0 4 3 0 0 2 0 1 1 0 1 0 3 0 0 2 2 x4 1 2 1 4
3 4 1 2

1 0
3 2

2 x5 1 0 0 0 0 0 0

3 x6 1 4 5 8
7 8 1 2

1 x7
5 2 21 4 7 4 15 2

1
7 2 17 4

5 9
27 2

3 x8 0 1 0 0 0 0 0

0 xh 9 1 2 3 4 1 2 1 1 3 2
1 4

0 xh 10 0 0 0 0 0 1 0

0 xh 11 0 0 0 1 0 0 0

0 xh 12
1 8 19 16 3 16 3 8 1 2 5 4

0 xh 13
1 4 5 8 1 8 3 4

b
1 2 13 4 21 4 7 2

0
3 2 9 4

1 5
15 2

P agina 12

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Vemos que con el nuevo vector c1 , el problema se encuentra con factibilidad, pero no est a en el o ptimo. Con esto concluimos que el cambio de vector c por c1 no conserva la optimalidad, pero si factibilidad. 1.1.7. S eptima Parte

Para vericar factibilidad, debemos encontrar la nueva soluci on o ptima del problema, calculando el 1 1 producto B b1 , en donde B es la inversa de la base original cuando iniciamos la segunda fase del simplex. Tenemos que de la primera tabla de la segunda fase del simplex, encontrada en la quinta parte de este problema, rescatamos los ndices b asicos como IB = {5, 8, 1, 11, 6, 13}, los cuales forman una base can onica. Por lo tanto, la matriz de la tabla nal, asociada a las columnas de los ndices b asicos originales, es la matriz B 1 . Con esto, de la u ltima tabla vemos que la matriz buscada es: 1 1 1 0 0 0 4 4 0 1 0 0 5 5 8 8 7 1 0 0 1 0 B 1 = 8 8 0 0 0 1 1 3 4 4 0 0 0 0 1 0 7 3 0 0 0 0 2 2 Por lo que le producto que necesitamos calcular lo ingresamos a MatLab, y el resultado es: 29 1 1 1 0 0 0 4 4 4 21 7 0 1 0 0 5 5 8 8 8 2 7 1 25 1 0 0 1 0 = 8 B 1 b1 = 8 8 35 4 1 3 0 0 0 1 4 4 4 4 5 4 0 0 0 0 1 0 43 7 3 0 0 0 0 2 2 2 Con esto corroboramos que B 1 b1 0, por lo que el cambio del vector b por el vector b1 conserva factibilidad.

1.2.
1.2.1.

Problema 2
Primera Parte

Para poder encontrar la cantidad de kilogramos a utilizar para que el costo sea m nimo, debemos modelar este problema de la siguiente manera. Sean las variables xi , la cantidad de kilogramos que se usar an en la mezcla, del ingrediente Xi . De acuerdo a esto, y a los costos respectivos de cada ingrediente podemos construir la funci on objetivo que buscaremos minimizar, la cual es: z = 8x1 + 10x2 + 11x3

P agina 13

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

De las restricciones t ecnicas de la mezcla, podemos conjeturar que deben cumplirse: x1 + x2 + x 3 x1 x2 x3 10000 3000 1500 2000

Adem as, como las variables xi son cantidades de masa, podemos aseverar que son no negativas, por lo tanto, mayores o iguales que cero. Finalmente, el (P L) a resolver es:

min z = 8x1 + 10x2 + 11x3 s.a x1 + x2 + x3 10000 x1 3000 x2 1500 x3 2000 x1 , x2 , x3 0

Arreglando la primera, tercera y cuarta restricci on, para obtener esas variables de holgura positivas, y colocando el problema en forma est andar obtenemos:

min z = 8x1 + 10x2 + 11x3 s.a x1 x2 x3 + xh 4 = 10000 h x1 + x5 = 3000 x2 + xh 6 = 1500 x3 + xh 7 = 2000 h h h x1 , x2 , x3 , xh 4 , x5 , x6 , x7 0

Con lo que el problema queda escrito en forma expl cita con respecto a los ndices b asicos IB = {4, 5, 6, 7}. Pasando el problema a su forma tabular resulta: xh 4 xh 5 xh 6 xh 7 z x1 1 1 0 0 8 x2 x3 xh 4 1 1 1 0 0 0 1 0 0 0 1 0 10 11 0 xh 5 0 1 0 0 0 xh 6 0 0 1 0 0 xh 7 0 0 0 1 0 b 10000 3000 1500 2000 0

En donde obtenemos optimalidad pero no conseguimos factibilidad. Est a todo listo entonces para aplicar dual-Simplex. Por lo tanto, sacamos de la base a xh e ingresa x . Con esto iteramos y obtenemos: 1 4 x1 xh 5 xh 6 xh 7 z x1 1 0 0 0 0 x2 1 1 1 0 2 x 3 xh xh 4 5 1 1 0 1 1 1 0 0 0 1 0 0 3 8 0 xh 6 0 0 1 0 0 xh 7 0 0 0 1 0 b 10000 7000 1500 2000 80000 P agina 14

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Seguimos iterando en dual-Simplex, en donde quitamos de la base a xh on 5 y entra x2 . De la nueva iteraci resulta: x1 x2 xh 6 xh 7 z x1 1 0 0 0 0 x2 0 1 0 0 0 x3 0 1 1 1 1 xh xh xh 6 5 4 0 1 0 1 1 0 1 1 1 0 0 0 10 2 0 xh 7 0 0 0 1 0 b 3000 7000 5500 2000 94000

on conseguimos la De aqu , vemos claramente que xh 7 debe salir de la base, entrando x3 . De esta iteraci siguiente tabla: x1 x2 xh 6 x3 z x1 1 0 0 0 0 x2 0 1 0 0 0 x3 0 0 0 1 0 xh xh xh 4 5 6 0 1 0 1 1 0 1 1 1 0 0 0 10 2 0 xh b 7 0 3000 1 5000 1 3500 1 2000 1 96000

de donde encontramos que z = 96000 y la soluci on o ptima del problema que est abamos buscando es t x = (3000, 5000, 2000) . Por lo tanto los kilogramos que deben usarse de los ingredientes X1 ,X2 y X3 para minimizar el costo de la mezcla especial son 3000, 5000 y 2000 Kg respectivamente. 1.2.2. Segunda Parte

A partir del primal escrito de la siguiente forma: min z = 8x1 + 10x2 + 11x3 s.a x1 3000 x2 1500 x3 2000 x1 + x2 + x3 10000 x1 , x2 , x3 0

planteamos el problema dual, obteniendo: max w = 3000y1 + 1500y2 + 2000y3 + 10000y4 s.a y1 + y4 8 y 2 + y4 10 y3 + y4 11 y1 0; y2 , y3 , y4 0

Para utilizar mejor los criterios, cambiamos el dual a minimizar multiplicando w por (1). Adem as, como y1 0, entonces para que tenga sentido su denici on en el problema (es decir, que en la realidad es una cantidad no negativa), hacemos una sustituci on, y1 = y1 , con lo que el problema queda bien denido. Finalmente, llev andolo a su forma est andar queda:

P agina 15

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

min w = 3000y1 1500y2 2000y3 10000y4 h s.a y1 + y4 + y5 =8 h y2 + y4 + y6 = 10 h = 11 y3 + y4 + y7 h h h y1 , y2 , y3 , y4 , y5 , y6 , y7 0

El problema est a escrito en forma expl cita con respecto a los ndices b asicos IB = {5, 6, 7}, por lo que pasando a su forma tabular, el problema dual queda como:
h y5 h y6 h y7

y1 1 0 0 3000

y2 0 1 0 1500

h y3 y4 y5 0 1 1 0 1 0 1 1 0 2000 10000 0

h y6 0 1 0 0

h y7 0 0 1 0

c 8 10 11 0

h , quedando: Con esto, comenzamos a iterar simplex, entrando y4 a la base, con lo que sale y5

y4 h y6 h y7 w

y1 y2 1 0 1 1 1 0 7000 1500

y3 y4 0 1 0 0 1 0 2000 0

h h y5 y6 1 0 1 1 1 0 10000 0

h y7 0 0 1 0

c 8 2 3 80000

h No es o ptimo, luego continuamos las iteraciones. Ahora, entra y1 y sale y6 , obteniendo:

y4 y1 h y7 w

y1 0 1 0 0

y2 y3 y4 1 0 1 1 0 0 1 1 0 5500 2000 0

h h h y7 y6 y5 0 1 0 1 1 0 0 1 1 3000 7000 0

c 10 2 1 94000

h , con lo que Seguimos sin alcanzar optimalidad. Continuamos iterando, ahora entra a la base y3 y sale y7 conseguimos:

y4 y1 y3 w

y1 0 1 0 0

y2 y3 1 0 1 0 1 1 3500 0

y4 1 0 0 0

h h h y5 y6 y7 c 0 1 0 10 1 1 0 2 0 1 1 1 3000 5000 2000 96000

Volviendo al problema dual original, cambiando a maximizar y volviendo a la variable y1 tenemos que el m aximo del dual es 96000, y su soluci on o ptima es y = (2, 0, 1, 10)t . 1.2.3. Tercera Parte

Al rebajar la cantidad m axima de x1 , se est a alterando el valor del vector b original. Para este an alisis de sensibilidad, usaremos la siguiente tabla inicial, usada para resolver en la parte 1, el problema primal.

P agina 16

Informe Tarea N 2 Optimizaci on x1 1 1 0 0 8 x2 x3 xh 4 1 1 1 0 0 0 1 0 0 0 1 0 10 11 0 xh 5 0 1 0 0 0 xh 6 0 0 1 0 0 xh 7 0 0 0 1 0

Desarrollo del Trabajo Soluci on a ejercicios Propuestos b 10000 3000 1500 2000 0

xh 4 xh 5 xh 6 xh 7 z

Vemos que partimos con la base can onica, pero en realidad afectamos a 3 restricciones para lograr esto, de hecho, en realidad la base inicial, tiene un 1 en las las 1, 3 y 4. Llamemos a esta base B1 . Entonces podemos escribir: 1 0 0 0 0 1 0 0 B1 = 0 0 1 0 0 0 0 1 Sabemos que en cada iteraci on, bajo las columnas 4, 5, 6 y 7 aparece nuestra matriz B1 por la inversa de 1 la base, es decir B . Observemos la tabla nal del algoritmo Simplex obtenida en la parte 1: x1 x2 xh 6 x3 z x1 1 0 0 0 0 x2 0 1 0 0 0 x3 0 0 0 1 0 xh xh xh 4 5 6 0 1 0 1 1 0 1 1 1 0 0 0 10 2 0 xh b 7 0 3000 1 5000 1 3500 1 2000 1 96000

Observando la tabla, y con lo dicho anteriormente, podemos aseverar que: 0 1 0 0 1 1 0 1 1 B1 B 1 = 1 1 1 1 / B1 0 0 0 1 0 1 0 0 1 1 1 1 0 B 1 = B1 1 1 1 1 0 0 0 1 Ingresando nuestras matrices a MatLab, obtenemos que: 0 1 0 0 1 1 0 1 B 1 = 1 1 1 1 0 0 0 1 Con esto, comprobamos f acilmente con MatLab, que :

3000 5000 B1 B 1 b = 3500 2000

P agina 17

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

10000 2000 Entonces, ahora hacemos b1 = 1500 2000 Hacemos nuevamente el c alculo con nuestras matrices, obteniendo ahora: 2000 6000 B1 B 1 b1 = 4500 2000 Por lo tanto los kilogramos que deben usarse de los ingredientes bajo la nueva condici on de X1 ,X2 y X3 para minimizar el costo de la mezcla especial son 2000, 6000 y 2000 Kg respectivamente. 1.2.4. Cuarta Parte

Al aumentar el costo del ingrediente X2 , se est a cambiando el vector costos c. Por lo tanto, para este an alisis de sensibilidad, debemos recalcular los zj cj con el nuevo costo c2 . Para ello, tomamos la u ltima tabla que obtuvimos de iterar en simplex: x1 x2 xh 6 x3 z x1 1 0 0 0 x2 0 1 0 0 x3 0 0 0 1 xh xh xh 6 5 4 0 1 0 1 1 0 1 1 1 0 0 0 xh 7 0 1 1 1 b 3000 5000 3500 2000

y ahora colocando los nuevos costos asociados y resolviendo para los nuevos zj cj obtenemos: cj c1 = 8 x 1 c2 = 23 x2 c6 = 0 x h 6 c3 = 11 x3 z 8 x1 1 0 0 0 0 23 x2 0 1 0 0 0 11 x3 0 0 0 1 0 0 0 0 h h x x xh 6 5 4 0 1 0 1 1 0 1 1 1 0 0 0 23 15 0 0 xh 7 0 1 1 1 12 b 3000 5000 3500 2000 161000

con lo que se obtiene una soluci on que se identica como no optima. Debemos iterar en simplex, haciendo h h entrar a x7 a la base y sacando a x6 , con lo que obtenemos: x1 x2 xh 7 x3 z x1 1 0 0 0 0 x2 0 1 0 0 0 x3 0 0 0 1 0 xh xh xh xh 4 5 6 7 0 1 0 0 0 0 1 0 1 1 1 1 1 1 1 0 11 3 12 0 b 3000 1500 3500 5500 119000

P agina 18

Informe Tarea N 2 Optimizaci on 1.2.5. Quinta Parte

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Como en este item se est a agregando un nuevo ingrediente, se debe agregar una nueva variable, la cual no depende de las otras condiciones del problema. Por esto se debe agregar una nueva restricci on. La condici on es que la mezcla debe contener al menos 1000 kg de dicho ingrediente. La funci on objetivo y la nueva restricci on considerando los costos de dicho ingrediente son: z = 8x1 + 10x2 + 11x3 + 9x8 x8 1000 Multiplicando la restricci on por (1), y pasandola a forma est andar se obtiene: x8 + xh 9 = 1000 donde xh ltima tabla y 9 pasa a ser parte de la base. Agregando nuestras dos nuevas variables a la u escribiendo los costos para calcular los zj cj , obtenemos: cj c1 = 8 x 1 c2 = 10 x2 c6 = 0 x h 6 c3 = 11 x3 c9 = 0 x h 9 z 8 x1 1 0 0 0 0 0 10 x2 0 1 0 0 0 0 11 x3 0 0 0 1 0 0 0 0 h xh x 4 5 0 1 1 1 1 1 0 0 0 0 10 2 0 xh 6 0 0 1 0 0 0 0 xh 7 0 1 1 1 0 1 9 0 x8 xh 9 0 0 0 0 0 0 0 0 1 1 9 0 b 3000 5000 3500 2000 1000 96000

de donde podemos ver optimalidad, pero no hay factibilidad. Entonces, iteramos en dual-Simplex, haciendo on es: salir a xh 9 y entrar a x8 . El resultado de la iteraci x1 x2 xh 6 x3 x8 z x1 1 0 0 0 0 0 x2 0 1 0 0 0 0 x3 0 0 0 1 0 0 xh xh xh 4 5 6 0 1 0 1 1 0 1 1 1 0 0 0 0 0 0 10 2 0 xh x8 7 0 0 1 0 1 0 1 0 0 1 1 0 xh b 9 0 3000 0 5000 0 3500 0 2000 1 1000 9 105000

con lo que obtenemos el optimo. Luego, como queremos saber cuales han de ser los costos, lo que es de nteres, es la soluci on del problema dual, la cual se observa en los zj cj , que est an bajo la base. Como la base original tenia todas las columnas negativas, exceptuando a la segunda columna, obtenemos que la soluci on del dual seg un los ndices b asicos de su u ltima tabla respectiva es el vector y = (2, 0, 1, 10, 9)t , y con estos costos el costo total del problema primal se hace m nimo. 1.2.6. Sexta Parte

Para resolver el problema con las nuevas condiciones propuestas, vamos re-modelar el problema quitando dos restricci ones y agregando una, eliminando una variable de holgura. El nuevo modelo del problema se presenta a continuaci on:

P agina 19

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

min z = 8x1 + 10x2 + 11x3 s.a x1 + x2 + x3 10000 x1 3000 x2 + x3 4500 x1 , x2 , x3 0

Modicando la primera restricci on y dejando el problema en forma est andar, conseguimos: min z = 8x1 + 10x2 + 11x3 s.a x1 x2 x3 + xh 4 = 10000 x1 + xh 5 = 3000 h x2 + x3 + x6 = 4500 h h h x1 , x2 , x3 , x4 , x5 , x6 0 El problema queda expresado en forma expl cita con respecto a los ndices b asicos IB = {4, 5, 6}. Escribiendo el problema en su forma tabular, queda expresado como: xh 4 xh 5 xh 6 z x1 1 1 0 8 x2 x 3 xh 4 1 1 1 0 0 0 1 1 0 10 11 0 xh 5 0 1 0 0 xh 6 0 0 1 0 b 10000 3000 4500 0

Comenzamos la iteraci on en dual-Simplex, quitando a xh asica x1 : 4 y entrando como variable b x1 xh 5 xh 6 z x1 1 0 0 0 x2 1 1 1 2 xh x3 xh 5 4 1 1 0 1 1 1 1 0 0 3 8 0 xh 6 0 0 1 0 b 10000 7000 4500 80000

asica a x2 , obteniendo: Una vez m as, iteramos en dual-Simplex, haciendo no b asica a xh 5 y b x1 x2 xh 6 z x1 1 0 0 0 x2 0 1 0 0 x3 xh xh xh 4 5 6 0 0 1 0 1 1 1 0 0 1 1 1 1 10 2 0 b 3000 7000 2500 94000

De esta tabla, no podemos volver a iterar. La soluci on encontrada es o ptima, pero no es factible. Con esto concluimos, que bajo las condiciones propuestas en este item, el problema se vuelve infactible.

P agina 20

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

1.3.

Problema 3

A continuaci on, presentamos el desarrollo de los problemas de transporte planteados, con sus respectivas soluciones. 1.3.1. Primera Parte

Antes de comenzar a resolver, a nadimos un fabricante, para cumplir con la hip otesis de equilibrio. La soluci on encontrada por el m etodo de costos m nimos para este problema est a expuesta en la siguiente tabla: X Y Z T D A 1006
7 5 0

B
12 10

C
9 8

D 1208 1305
7 0

E
10

100

9013 600 150

604
0

506 1509
0

E 220 180 300 60

60

250

200

la que podemos escribir como x = (100, 0, 0, 120, 0, 0, 0, 0, 130, 50, 0, 90, 60, 0, 150, 0, 60, 0, 0, 0)t La base asociada a esta S.F.B, queda determinada por: 1 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 B= 0 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 1 0 1 La siguiente gura muestra los datos ingresados a la herramienta Network Modeling de WinQSB.

Figura 9 Al resolver por esta misma herramienta, obtenemos:

P agina 21

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Figura 10 Donde la soluci on optima del problema es x = (0, 90, 0, 130, 0, 0, 0, 0, 0, 180, 100, 0, 60, 120, 20, 0, 60, 0, 0, 0)t y el m nimo de la funci on objetivo es 4960. 1.3.2. Segunda Parte

Para comenzar la b usqueda de la S.F.B inicial, equilibramos la oferta y la demanda agregando una sucursal articial con existencias de 30 platillos y costos de transportes nulos. La siguiente tabla muestra la soluci on factible b asica inicial encontrada por el m etodo de costos m nimos: Jazz Rock Suave Sucursal D c1 703
3 2 0

c2
4

c3
5 7

c4
6 8

805
3 0

c5 23 582
6 0

c6 481
7 1 0

c7
3 8

c8 802
8 1 0

c9
3

653
0

70

80

65

1055 300 135

523
0

125 781
0

E 200 150 300 30

60

48

52

80

90

lo que podemos escribir como x = (70, 0, 0, 0, 2, 48, 0, 80, 0, 0, 80, 0, 0, 58, 0, 0, 0, 12, 0, 0, 65, 105, 0, 0, 52, 0, 78, 0, 0, 0, 30, 0, 0, 0, 0, 0)t

P agina 22

Informe Tarea N 2 Optimizaci on La base asociada a la S.F.B tiene dimensi on 12x14, Entonces, la base es: 1 1 1 1 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1

Desarrollo del Trabajo Soluci on a ejercicios Propuestos as que agregamos dos vectores can onicos e13 y e14 . 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1

La siguiente gura muestra los datos ingresados a la herramienta Network Modeling de WinQSB.

Figura 11 Al resolver por esta misma herramienta, obtenemos:

Figura 12 donde la soluci on o ptima del problema es: x = (0, 20, 0, 0, 0, 48, 52, 80, 0, 70, 20, 0, 0, 60, 0, 0, 0, 0, 0, 40, 65, 105, 0, 0, 0, 0, 90, 0, 0, 0, 30, 0, 0, 0, 0, 0)t y el m nimo de la funci on es 1804. P agina 23

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

1.4.

Problema 4

A continuaci on, presentamos nuestra soluci on a cada uno de los enunciados propuestos de problemas de trasporte. 1.4.1. Primera Parte

Primero que todo, para equilibrar incorporamos un cami on articial llamado cami on 4, el cual posee una capacidad de 40 toneladas y todos sus costos son iguales a cero. La tabla de trasporte para este problema junto con la soluci on factible b asica encontrada por el m etodo de costos m nimos, queda de la siguiente manera: cami on cami on cami on cami on D C1 1 202 1 2 2 3 0 4 20 C2
3 4

C3
4 6

25 150 40

C4 02 303 251
0

250 25

E 20 30 50 40

55

Donde la soluci on factible b asica es xt = (20, 0, 0, 0, 0, 0, 0, 30, 0, 25, 0, 25, 0, 15, 25, 0). Podemos comprobar f acilmente que: La soluci on es factible, satisface la oferta y la demanda. En cada la y en cada columna tiene un representante. No forma ning un ciclo. Tiene n + m 1 = 7 componentes, ya que agregamos a la base x14 = 0, de modo que no forma ciclos. Ahora comenzamos a iterar por stepping-Stone. Para ello calculamos los ui y los vj , obteniendo: cami on cami on cami on cami on D vj C1 1 202 1 2 2 3 0 4 20 2 C2
3 4

C3
4 6

25 150 40 3

C4 02 303 251
0

250 25 3

E ui 20 0 30 1 50 1 40 3

55 2

Ahora calculamos todos los zij cij , obteniendo: cami on cami on cami on cami on D vj 1 2 3 4 C1 202 21 12 10 20 2 C2 03 04 252 150 40 3 C3 14 26 13 250 25 3 C4 02 303 251 10 55 2 E ui 20 0 30 1 50 1 40 3

P agina 24

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

Vemos que x21 = 2 debe entrar a la base, y sale x11 . Iterando por stepping-Stone, y recalculando todos los ui , vj junto con todos los zij cij obtenemos: cami on cami on cami on cami on D vj 1 2 3 4 C1 22 201 32 30 20 0 C2 03 04 252 150 40 3 C3 14 26 13 250 25 3 C4 202 103 251 10 55 2 E ui 20 0 30 1 50 1 40 3

Donde encontramos el o ptimo del problema al tener que zij cij 0. La soluci on optima es x = (0, 0, 0, 20, 20, 0, 0, 10, 0, 25, 0, 25, 0, 15, 25, 0)t . La soluci on o ptima es degenarada, puesto que la soluci on factible b asica inicial encontrada tiene 6 componentes no nulas, y agregamos una igual a cero, para completar la base. 1.4.2. Segunda Parte

En este problema las existencias superan a las demandas, por lo que agregamos un cliente articial con demanda 5, y costos de transportes nulos. La tabla de trasporte para este problema junto con la soluci on factible b asica encontrada por el m etodo de costos m nimos, queda de la siguiente manera: C1 A1 A2 A3 A4 D
2 4

C2
3 5

C3 51 152
7

C4 50
0 0 0

15
3

15

5 251 30

55 25

E 10 15 20 30

De aqu vemos que la soluci on factible b asica inicial es x = (0, 0, 5, 5, 0, 0, 15, 0, 15, 5, 0, 0, 0, 25, 5, 0)t .Podemos comprobar f acilmente que: La soluci on es factible, satisface la oferta y la demanda. En cada la y en cada columna tiene un representante. No forma ning un ciclo. Tiene n + m 1 = 7 componentes. Calculando los vectores ui y vj encontramos los zij cij , con lo que la tabla queda de la siguiente manera: A1 A2 A3 A4 D vj C1 92 104 152 143 15 7 C2 63 75 56 251 30 3 C3 51 152 37 55 25 1 C4 50 10 90 40 5 0 E ui 10 0 15 1 20 9 30 4

Donde identicamos a x34 , como la variable que sale de la base, y entra x14 . Iterando por Stepping-Stone, y calculando los vectores ui y vj junto con los nuevos zij cij , obtenemos la siguiente tabla: P agina 25

Informe Tarea N 2 Optimizaci on C1 92 24 152 63 15 7 C2 63 75 06 301 30 3 C3 101 152 37 05 25 1 C4 90 80 50 50 5 9 E 10 15 20 30 ui 0 1 9 4

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

A1 A2 A3 A4 D vj

De aqu vemos que a un no estamos en el optimo. x32 , sale de la base, y entra x33 . Iterando por SteppingStone, y calculando los vectores ui y vj junto con los nuevos zij cij , obtenemos la siguiente tabla: A1 A2 A3 A4 D vj C1 62 74 152 33 15 4 C2 63 75 36 301 30 3 C3 101 152 07 05 25 1 C4 60 50 50 20 5 6 E 10 15 20 30 ui 0 1 6 4

En esta tabla identicamos la soluci on o ptima degenerada. Nuestra soluci on esta dada por el vector: x = (0, 0, 10, 0, 0, 0, 15, 0, 15, 0, 0, 5, 0, 30, 0, 0)t 1.4.3. Tercera Parte

Para equilibrar el problema de transporte, agregamos al problema una rener a articial llamada Temuco, con costos nulos de transporte y como demanda 6 unidades. La tabla de transporte del problema con nuestra soluci on factible b asica inicial encontrada por el m etodo de costos m nimos es la siguiente: K L V D R 820 612 117 15 S 1018
11 17

Y
25 33

T 60
0 0

10

1040 10

E 24 6 11

Donde la soluci on factible b asica inicial es x = (8, 10, 0, 6, 6, 0, 0, 0, 1, 0, 10, 0)t . Podemos comprobar f acilmente que: La soluci on es factible, satisface la oferta y la demanda. En cada la y en cada columna tiene un representante. No forma ning un ciclo. Tiene n + m 1 = 6 componentes. Calculamos los vectores ui y vj junto con los zij cij , obteniendo la siguiente tabla: K L V D vj R 820 612 117 15 20 S 1018 111 217 10 18 Y 1825 233 1040 10 43 T 60 80 30 6 0 E ui 24 0 6 8 11 3

P agina 26

Informe Tarea N 2 Optimizaci on

Desarrollo del Trabajo Soluci on a ejercicios Propuestos

La tabla no es o ptima. Entra x13 a la base y sale x11 . Iterando por Stepping-Stone, obtenemos la siguiente tabla: K L V D vj R 1820 612 917 15 2 S 1018 1711 1617 10 18 Y 825 233 240 10 25 T 60 100 150 6 0 E 24 6 11 ui 0 10 15

De aqu , hacemos entrar a x22 a la base, y sale x33 . Iterando por stepping-Stone, y recalculando todos los ui y vj junto con los zij cij , obtenemos la siguiente tabla que identicamos como nal: K L V D vj R 120 412 1117 15 19 S 818 211 117 10 18 Y 1025 1533 1740 10 25 T 60 70 20 6 0 E 24 6 11 ui 0 7 2

En esta tabla identicamos la soluci on o ptima de nuestro problema. Nuestra soluci on esta dada por el vector: x = (0, 8, 10, 6, 4, 2, 0, 0, 11, 0, 0, 0)t .

P agina 27