Professional Documents
Culture Documents
METODO M O DE PENALIZACIN.
La nueva funcin objetivo se minimiza sujeta a las restricciones del problema original. Si el problema tiene
un espacio factible el valor MINIMO de la F:O optima ser cero , lo cual indica que todas las variables
artificiales son cero. En este momento se hace la fase 2
Si el valor mnimo de la fo optima es mayor que cero el problema no tiene solucin y
termina anotndose que no existe funcin factible.
FASE
Utilice la solucin optima de la fase1como solucin de inicio para el problema original. En este caso la fo
original se expresa en trminos de las variables no bsicas utilizando las eliminaciones de gauss-jordn
Problema
Maximizar Z= 6x1 +6x2+4x3
Sujeto a : 3x1+6x2+x3<20
2x1+x2+2x3=15
x1,x2,x3>0
fase 1 siempre es un problema de minimizacin
min Z=r1
sujeto a
3x1+6x2+x3<20
2x1+x2+2x3=15
x1,x2,x3>0
Minimice Z= 4X1 + X2
V.B.
X1
X2
X3
S1
S2
R1
Solucin
-3
-2
-4
-M
R1
-1
15
S2
12
V.B.
X1
X2
X3
S1
S2
R1
Solucin
-3+2M
-2+2M
-4+3M
-M
15M
R1
-1
15
S2
12
V.B.
X1
X2
X3
S1
S2
R1
Solucin
-1/3
2/3
-4/3
4/3-M
20
X3
2/3
2/3
-1/3
1/3
S2
4/3
7/3
1/3
-1/3
V.B.
X1
X2
X3
S1
S2
R1
Solucin
-5/7
-10/7
-2/7
10/7-M
18
X3
2/7
-3/7
-2/7
3/7
X2
4/7
1/7
3/7
-1/7
V.B.
X1
X2
S1
S2
R1
R2
Solucin
-4
-1
R1
R2
-1
S2
V.B.
X1
X2
S1
S2
R1
R2
Solucin
-4-7M
-1-4M
-9M
R1
R2
-1
S2
V.B.
X1
X2
S1
S2
R1
R2
Solucin
1/35/3M
4/3+7/3M
4-2M
X1
1/3
1/3
R2
5/3
-1
-4/3
S2
5/3
-1/3
V.B.
X1
X2
S1
S2
R1
R2
1/5
X1
1/5
3/5
R2
-3/5
-4/5
3/5
6/5
S2
-1
8/5+M -1/5+M
Solucin
18/5
3/5
DEGENERACION
En la aplicacin de la condicin de factibilidad, una coincidencia de la
razn mnima se debe descomponer en forma arbitraria para los fines de
determinar la variable que sale. Cuando suceda esto una o ms veces de
las variables bsicas, ser necesariamente igual a cero en la siguiente
iteracin. En este caso, decimos que la nueva solucin esdegenerada.
Ejemplo (Solucin ptima degenerada)
Maximizar z = 3x1 +9x2
Sujeto a
x1 + 4x2 8
x1 + 2x2 4
x1,x2 0
Tabla 3-2
Figura 3-4
Desde el punto de vista terico, la degeneracin tiene dos implicaciones.
La primera tiene que ver con el fenmeno del ciclaje oreciclaje. Si se
observan las iteraciones 1 y 2 de la tabla 3-2, se ver que el valor de la
funcin objetivo no ha mejorado (z=18). Por lo tanto, es posible, en
trminos generales, que el procedimiento simplex repetira la misma
sucesin de iteraciones, sin mejorar nunca el valor de la funcin objetivo
ni poner fin a los clculos.
El segundo punto terico se presenta en el examen de las iteraciones 1 y
2. Ambas iteraciones, pese a diferir en la clasificacin de las variables
como bsicas y no bsicas, producen valores idnticos de todas las
variables y el valor de la funcin objetivo, es decir,
x1 = 0, x2 = 2, x3 = 0, x4 = 0, z = 18
Figura 3-5
Como es de esperarse, el mtodo simplex slo determina los puntos
extremos B y C. Matemticamente podemos determinar todos los puntos
(x1, x2), del segmento de recta BC, como un promedio ponderado no
negativo de los puntos B y C. Esto es, dada la relacin 0 1 y
B: x1 =0, x2=5/2
C: X1=3, x2=1
Tabla 3-3
SOLUCION NO ACOTADA
En algunos modelos de programacin lineal los valores de las variables se pueden
aumentar en forma indefinida sin violar ninguna de las restricciones, lo que
significa que el espacio de soluciones es no acotado cuando menos en una
direccin. Como resultado, el valor de la funcin objetivo puede crecer (caso de
maximizacin) o de crecer (caso de minimizacin) en forma indefinida. En este
caso decimos que el espacio de soluciones y el valor "ptimo" de la funcin
objetivo son no acotados.
La falta de explicacin en un modelo puede sealar solo una cosa: el modelo est
mal construido. Evidentemente resulta irracional hacer que un modelo produzca
una ganancia " infinita". Las irregularidades mas probables en estos modelos son:
1) N ose toman en cuenta una mas restricciones redundantes, y 2) No se
determinan correctamente los parmetros ( constantes ) de algunas restricciones.
La regla general para reconocer la falta de acotacin es la siguiente. Sien
cualquier iteracin los coeficientes de las restricciones de una variable no bsica
son no positivos, entonces el espacio de soluciones no esta acotado en esa
direccin. Adems, si el coeficiente de la funcin objetivo de esa variable en el
caso de la maximizacin o positivo en el caso de la minimizacin, entonces el
valor de la funcin objetivo tampoco esta acotado.
Ejemplo (Funcin objetivo no acotada)
Maximizar z = 2x1 + x2
Sujeto a
x1 - x2 10
2x1 40
x1, x2 0
Iteracin inicial
Figura 3-6
La regla general para reconocer la falta de acotacin es la siguiente. Si en
cualquier iteracin los coeficientes de las restricciones de una variable no
bsica son no positivos, entonces el espacio de solucionesno est acotado en esa
direccin. Adems, si el coeficiente de la funcin objetivo de esa variable es
negativo en el caso de la maximizacin o positivo en el caso de la minimizacin,
entonces elvalor de la funcin objetivo est acotado.
SOLUCION INFACTIBLE
Si las restricciones no se pueden satisfacer en forma simultanea, se dice que el
modelo no tiene solucin factible. Esta situacin nunca puede ocurrir si todas las
restricciones son del tipo (suponiendo constantes no negativas en el segundo
miembro) ya que la variable de holgura produce siempre alguna solucin factible.
Sin embargo, cuando empleamos los otros tipos de restricciones, recurrimos al
uso de variables artificiales que, por su mismo diseo, no ofrecen una solucin
factible al modelo original. Aunque se toman medidas (a travs del uso de la
penalizacin) para hacer que las variables artificiales sean cero en el nivel ptimo,
esto slo puede ocurrir si el modelo tiene un espacio factible. Si no lo tiene,
cuando menos una variable artificial ser positiva en la iteracin ptima. Esta es
nuestra indicacin que el problema no tiene solucin factible.
Desde el punto de vista practico un espacio infactible apunta a la posibilidad de
que el modelo no se haya formulado correctamente en virtud de que las
restricciones estn en conflicto. Tambin es posible que las restricciones no estn
destinadas a cumplirse en forma simultanea, en este caso, quina se necesite una
estructura del modelo totalmente deferente que no admita todas las restricciones
al mismo tiempo.
Tabla 3-4
Figura 3-7