Escolar Documentos
Profissional Documentos
Cultura Documentos
(CC881)
Profesor: Giovanni Marr Lorca
e-mail: g.marre@gmail.com
2S - 2015
Introduccin
Origen de la Investigacin de Operaciones
Problemas Comunes
Aplicaciones en organizaciones de gran tamao.
Polticas de inventario.
Asignacin de recursos
Reemplazo.
Programacin de actividades.
Abastecimiento
Mantencin
2S - 2015
Campos de Aplicacin:
Energa
Viajes y turismo
Aplicaciones en los deportes
Modelamiento del sistema de justicia
Planificacin de la salud
Estudios de trnsito, Etc
Investigacin de operaciones
Enfoque de Sistemas
2S - 2015
Sociedad de Investigacin de
Operaciones de Gran Bretaa
Es la aplicacin de los mtodos de las Ciencias a problemas
complejos que surgen en la direccin y administracin de
Sistemas Grandes de hombres, mquinas, materiales y
dinero en la industria, negocios, gobierno y defensa. El
enfoque distintivo es desarrollar un modelo cientfico del
Sistema, incorporando medidas como oportunidades y riesgo
que predice y compara resultados de decisiones alternativas,
estrategias o control. El propsito es ayudar a la
administracin
a
determinar
polticas
y
acciones
cientficamente.
2S - 2015
MODELOS EN INVESTIGACIN DE
OPERACIONES
Sistema Real
Formulacin
Modelo
Deducciones
Conclusiones
Reales
2S - 2015
Interpretacin
Conclusiones
del Modelo
6
Principios de Modelacin:
Complicados v/s Simples.
Respete la tcnica.
La fase de deduccin debe ser rigurosa.
Inconsistencias?
Validar, luego implementar.
Un modelo no debe ser tomado tan
literalmente.
Un mtodo para validar modelos predictivos es el testeo
retrospectivo. Si un modelo no puede ser validado
previamente a la implementacin una estrategia es la
implementacin por fases.
2S - 2015
Programacin Lineal:
Un problema de programacin lineal (PL) es un problema de
optimizacin para el cual se efecta lo siguiente:
1. Se intenta maximizar (minimizar) una funcin lineal de
variables de decisin llamada funcin objetivo.
2. Los valores de las variables de decisin deben satisfacer
un conjunto de restricciones. Cada restriccin debe ser
una ecuacin lineal o una desigualdad lineal.
3. Se relaciona una restriccin de signo con cada variable.
Para cualquier variable xi, la restriccin de signo
especifica que xi no debe ser negativa (xi>=0) o no tener
restriccin de signo (nrs).
2S - 2015
Ejercicios de Modelacin
A.- Problema de Mezcla de Producto (Handy-Dandy)
La compaa de Handy-Dandy desea programar la produccin de 3 productos
que requieren dos recursos: - mano de obra y materiales
La compaa considera gracias al Departamento de Ingeniera de Produccin,
los siguientes datos:
Productos
A
B
C
Mano de obra (horas/unidad)
7
3
6
Materiales (libras/unidad)
4
4
5
Beneficios ($ por unidad)
4
2
3
El suministro de materiales esta restringido a 200 libras/das. Disponibilidad
diaria de mano de obra es 150 horas.
Formular un modelo de Programacin Lineal que determine la produccin de los
diferentes modelos para maximizar el beneficio total.
2S - 2015
10
2S - 2015
11
2S - 2015
12
13
C.- Produccin
Hay que programar la produccin de un tem para las prximas 5 semanas. El costo de
produccin es $10 para las 2 primeras semanas y $15 para las 3 ltimas. Las demandas
semanales son 300, 700, 900, 800, 200 y deben ser satisfechas. La planta puede producir
650 unidades por semana.
La compaa puede trabajar con sobretiempo durante la 1a y 2a semana, as la produccin
puede aumentar hasta en 250 unidades, pero el costo aumenta en $5 por tem. La
produccin en exceso se almacena a $3 por tem. Formule un modelo de programacin
lineal que permita determinar cmo se debe programar la produccin.
2S - 2015
14
C.- Produccin
Xi: Produccin normal en la semana i.
Yi: Produccin en sobretiempo en la semana i.
Wi: Cantidad almacenada en la semana i.
i=1, 2, 3, 4, 5
Min Z = 10(x1 + x2)+ 15(x3 + x4 + x5 + y1 + y2)+ 3(w1 + w2 + w3+ w4)
SA
x1 + y1 + w1 300
x2 + y2 + w2 700 w1
x3 + w3 900 w2
x4 + w4 800 w3
x5 200 w4
x1 ,x2, x3 ,x4, x5 650
y1 , y2 250
2S -x2015
Ingeniera Civil Industrial
i, yi, wi 0
UCN
15
2S - 2015
16
2S - 2015
17
Caloras
Barra de chocolate
Helado de crema de chocolate ( 1 bola)
Bebida cola ( 1 botella)
Pastel de queso con pina (1 rebanada)
2S - 2015
400
200
150
500
3
2
0
0
2
2
4
4
18
2
4
1
5
2S - 2015
19
2S - 2015
20
21
2S - 2015
22
23
Solucin Grfica
Solucin Factible
Regin Factible
Solucin ptima
Valor ptimo
Construccin de grficos:
Graficar c/restriccin, Regin Factible
Fijar Z, Graficar F.O, Desplazar y encontrar
2S - 2015
24
Solucin Grfica
Max Z 40 x1 36 x2
S .a.
x1 8
x2 10
5 x1 3 x2 45
x1 0; x2 0
2S - 2015
25
Solucin Grfica
5 x1 3x2 45
14
x2 10
12
Optimo
10
8
6
ax
im
a
iz
x1 8
1 2 3 4
2S - 2015
10
12
14
16
Z =360
18
20
26
2S - 2015
Departamento
Walkman
Watch-TV
Horas disponibles
Electrnica
Montaje
Precio Venta
4
2
25
3
1
35
240
100
-
27
2S - 2015
28
2S - 2015
29
2S - 2015
30
2S - 2015
31
2S - 2015
32
33
Max( Min) z c j x j
j 1
s.a :
a
j 1
ij
x j bi
x j 0; bi 0
i 1,...m; j 1,...n
2S - 2015
34
Estndar
Max( Min) z cx
s.a :
Ax b
x0
b0
a11
A .
am1
c c1
...
.
a1n
.
... amn
.... cn
x1
x .
xn
2S - 2015
b1
b .
bm
35
2S - 2015
36
PASOS A SEGUIR
Reemplazar X3 por X4 - X5 con X4,X5
>=0
Multiplicar ambos lados de la ltima
restriccin por -1.
Introducir variables de holgura X6 y X7 en
1 y 2 restriccin.
Asignar coeficiente 0 a X6 y X7 para no
alterar la FO.
37
Variables Bsicas
Solucin Bsica:
Una variable xi se
Solucin obtenida de
dice bsica si le
un sistema cannico,
acompaa un factor
haciendo las variables
+1 en una ecuacin y
NO bsicas cero.
un cero en las dems.
En cada punto
Solucin Bsica y
esquina encontramos
Factible: SB y factible
una SB
(XB0)
n
n!
2S - 2015
(n m)!m!
38
SIMPLEX
Principios del Mtodo Simplex
1. Comenzar con una solucin bsica inicial cannica
y factible. se podr mejorar?
2. Es factible, Mejorarla?
3. Determinar la siguiente
Cuando no es factible encontrar soluciones
mejores, la bsqueda termina
2S - 2015
39
=8
+ X5
( 2.7 )
=7
( 2.8 )
Solucin bsica X1 = X2 = X3 = 0, X4 = 8, X5 = 7.
2S - 2015
Z = 5*(0) + Ingeniera
2*(0) +Civil3*(0)
- 1*(8) + 1*(7)
= -1
Industrial UCN
40
Es factible mejorarla?
Debemos pensar en una nueva Variable Bsica
Calculemos un
Indicador para esto
Ganancia/Beneficio Relativo
cj
2S - 2015
41
Mejorando la Solucin
a) Primero se examina si la presente es ptima.
b) Si no la es. El Simplex examina una: Solucin
bsica factible Adyacente con un mejor valor de Z.
Definicin.
Una Solucin bsica factible Adyacente difiere de la
solucin bsica factible actual, en solo una variable
bsica.
2S - 2015
42
43
bsica
tiene
las
siguientes
44
Chequeo de optimalidad
z
cj
x j
2S - 2015
45
cj
4. Si todos los
j no aportan al objetivo la solucin actual es ptima. De otro
modo seleccionar la no bsica para que entre a la base.
5. Aplicar razn mnima para determinar la variable que deja la base.
6. Ejecutar operacin pivote para obtener la nueva tabla.
7. Calcular beneficios relativos. Retorne al paso 4.
2S - 2015
46
(7)
(8)
X4 y X5 variables bsicas.
Solucin bsica: X1=X2=X3=0, X4=8, X5=7 que tambin es solucin bsica
factible.
Luego Z = 5(0) + 2(0) + 3(0) - (8) + 1(7) = - 1
Este valor de FO, es el que debe ser mejorado a travs del mtodo simplex,
chequeando si la solucin presente es ptima. Si no lo es, el mtodo obtiene una
SOLUCIN BSICA FACTIBLE ADYACENTE, que difiere de la solucin bsica
factible actual en SLO UNA VARIABLE BSICA.
2S - 2015
47
2S - 2015
48
2S - 2015
49
Cj
CB
-1
1
XB
X4
X5
Cj
2S - 2015
5
X1
1
3
3
2
X2
2
4
0
3
X3
2
1
4
(7)
(8)
-1
X4
1
0
0
1
X5
0
1
0
50
8
7
Z = -1
XB
X3
X5
5
X1
1/2
5/2
1
2
X2
1
3
-4
3
X3
1
0
0
-1
X4
1/2
-1/2
-2
1
X5
0
1
0
4
3
Z = 15
XB
X3
X1
5
X1
0
1
0
2
X2
2/5
6/5
-26/5
3
X3
1
0
0
-1
X4
3/5
-1/5
-9/5
1
X5
-1/5
2/5
-2/5
17/5
6/5
Z = 81/5
Cj
Cj
CB
3
5
Cj
51
2S - 2015
Forma estndar:
Max Z = 3X1 + 5X2
X1 + X3 = 4
2X2 +X4 = 12
3X1 + 2X2 +X5 = 18
X1, X2 >=0
52
2S - 2015
53
X1=0, X2=0
Z=0
2S - 2015
54
x1
2S - 2015
55
X1=0, X2=6
Z=30
X1=0, X2=0
Z=0
2S - 2015
56
x1
2S - 2015
57
Gradiente de
Z = 3X1 + 5X2
f(x1,x2)=
Z=
X1=2, X2=6
Z=36
X1=0, X2=6
Z=30
(3x1) (5 x 2)
,
x 2
x1
Z= (3,5)
=> c = (3,5)
X1=0, X2=0
Z=0
2S - 2015
58
x1
Cj
CB
0
0
0
XB
X3
X4
X5
Cj
2S - 2015
3
X1
-1
3
1
3
Forma estndar:
Max Z = 3X1 + 2X2
-X1 + 2X2 + X3
=4
3X1 + 2X2 +
+ X4
= 14
X1 - X2
+ X5 = 3
X1, X2, X3, X4, X5 >= 0
2
X2
2
2
-1
2
0
X3
1
0
0
0
0
X4
0
1
0
0
0
X5
0
0
1
0
59
4
14
3
Z= 0
XB
X3
X4
X1
3
X1
0
0
1
0
2
X2
1
5
-1
5
0
X3
1
0
0
0
0
X4
0
1
0
0
0
X5
1
-3
1
-3
7
5
3
Z= 9
XB
X3
X2
X1
3
X1
0
0
1
0
2
X2
0
1
0
0
0
X3
1
0
0
0
0
X4
-1/5
1/5
1/5
-1
0
X5
8/5
-3/5
2/5
0
6
1
4
Z = 14
Cj
Cj
CB
0
2
3
Cj
2S - Solucin
2015
ptima: X1=4,Ingeniera
X2=1, X3=6,
X4=0, UCN
X5=0
Civil Industrial
60
x2
Solucin Inicial:
X1=0, X2=0
Iteracin 1:
X1=3, X2=0
Iteracin 2:
X1=4, X2=1
2S - 2015
61
x1
Sistema equivalente a
Maximizar
S.A.
2S - 2015
Z = -40X1 - 36X2
X1 <= 8
X2 <= 10
5X1 + 3X2 >= 45
X1, X2 >= 0
62
Cj
CB
0
3
XB
X3
X2
Cj
2
X1
-2
-3
11
3
X2
0
1
0
0
X3
1
0
0
0
X4
1
1
-3
2
4
Z = 12
2S - 2015
63
XB
X1
X2
X3
Cj
0
X1
1
0
0
0
0
X2
0
1
0
0
0
X3
0
0
1
0
2
X4
1
2
1
2
0
X5
-1
0
1
0
3/2
X6
0
1
1
3/2
2
4
3
Z= 0
64
XB
X4
X2
X3
Cj
0
X1
1
-2
-1
-2
0
X2
0
1
0
0
0
X3
0
0
1
0
2
X4
1
0
0
0
0
X5
-1
2
2
2
3/2
X6
0
1
1
3/2
2
0
1
Z= 4
OBSERVACIN:
La variable X2 ha asumido un valor de cero (como una variable no bsica). Este
tipo de solucin bsica factible en que una o ms variables bsicas valen cero,
son llamadas DEGENERADAS.
La variable que entra a la base es X5 y la regla de la razn mnima indica la
salida de la variable X2. Pero la razn mnima es cero, luego X5 no puede ser
incrementada y Z no aumentar en su valor.
2S - 2015
65
XB
X4
X5
X3
Cj
0
X1
0
-1
1
0
0
X2
1/2
1/2
-1
-1
0
X3
0
0
1
0
2
X4
1
0
0
0
0
X5
0
1
0
0
3/2
X6
1/2
1/2
0
1/2
2
0
1
Z= 4
2S - 2015
66
2S - 2015
67
Min
2S - 2015
68
3x1 x2 3 x3 30
2 x1 2 x2 3x3 40
x1 ; x2 ; x3 0
2S - 2015
69
Max z x1 2 x2 4 x3
s.a
3x1 x2 5 x3 10
x1 4 x2 x3 8
2 x1
2 x3 7
x1 ; x2 ; x3 0
2S - 2015
70
Max z 2 x1 3 x2
s.a.
x1 x2 2
3 x1 x2 4; x j 0
2S - 2015
71
Mo
de
lo
Or
ig i
na
l
Max Z = -3X1 + X2 + X3
Sujeto a:
X1 - 2X2 + X3 + X4
-4X1 + X2 + 2X3
-2X1
+ X3
Xi >= 0 , i=1,5
2S - 2015
= 11
- X5 = 3
= 1
Cul es la Base XB?
72
X1 - 2X2 + X3 + X4
- 4X1 + X2 + 2X3
-2X1
+ X3
XB = (X4 , X6 , X7 X
)
= 11
- X 5 + X6
+
X7
>= 0 , i=1,7
= 3
= 1
X6 y X7 son V. Artificiales
73
Mtodo de la M-Grande
Se asigna un valor muy grande (M -M) al coeficiente de las variables artificiales
en la FO.
Ejemplo: Minimizar Z = -3X1 + X2 + X3 + MX6 + MX7
donde M es un valor positivo muy grande.
Cj
CB
0
M
M
XB
X4
X6
X7
Cj
2S - 2015
-3
X1
1
-4
-2
-3+6M
1
X2
-2
1
0
1-M
1
X3
1
2
1
1-3M
0
X4
1
0
0
0
0
X5
0
-1
0
M
M
X6
0
1
0
0
74
M
X7
0
0
1
0
11
3
1
Z = 4M
Mtodo de la M-Grande
Cj
CB
0
1
1
XB
X4
X2
X3
-3
X1
3
0
-2
-1
1
X2
0
1
0
0
1
X3
0
0
1
0
0
X4
1
0
0
0
0
X5
-2
-1
0
1
M
X6
2
1
0
M-1
M
X7
-5
-2
1
M+1
12
1
1
Z=2
XB
X1
X2
X3
-3
X1
1
0
0
0
1
X2
0
1
0
0
1
X3
0
0
1
0
0
X4
1/3
0
2/3
1/3
0
X5
-2/3
-1
-4/3
1/3
M
X6
2/3
1
4/3
M-1/3
M
X7
-5/3
-2
-7/3
M-2/3
4
1
9
Z = -2
Cj
Cj
CB
-3
1
1
Cj
Solucin ptima.
2S - 2015
75
2S - 2015
76
Cj
CB
0
1
1
XB
X4
X6
X7
Cj
2S - 2015
0
X1
1
-4
-2
6
0
X2
-2
1
0
-1
0
X3
1
2
1
-3
0
X4
1
0
0
0
0
X5
0
-1
0
1
1
X6
0
1
0
0
77
1
X7
0
0
1
0
11
3
1
W=4
XB
X4
X6
X3
0
X1
3
0
-2
0
0
X2
-2
1
0
-1
0
X3
0
0
1
0
0
X4
1
0
0
0
0
X5
0
-1
0
1
1
X6
0
1
0
0
1
X7
-1
-2
1
3
10
1
1
W=1
XB
X4
X2
X3
0
X1
3
0
-2
0
0
X2
0
1
0
0
0
X3
0
0
1
0
0
X4
1
0
0
0
0
X5
-2
-1
0
0
1
X6
2
1
0
1
1
X7
-5
-2
1
1
12
1
1
W=0
Cj
Cj
CB
0
0
0
Cj
78
XB
X4
X2
X3
-3
X1
3
0
-2
-1
1
X2
0
1
0
0
1
X3
0
0
1
0
0
X4
1
0
0
0
0
X5
-2
-1
0
1
12
1
1
Z=2
XB
X1
X2
X3
-3
X1
1
0
0
0
1
X2
0
1
0
0
1
X3
0
0
1
0
0
X4
1/3
0
2/3
1/3
0
X5
-2/3
-1
-4/3
1/3
4
1
9
Z = -2
Cj
Cj
CB
-3
1
1
Cj
79
X1 + 2X2 + 2X3 + X4
3X1 + 4X2 + X3
=8
+ X5 = 7
CB
Bases
5
X1
-1
X4
X5
Z = -1
C
2
-1
X4
1
X5
Constantes
X3
1/2
1/2
X5
5/2
-1/2
-4
-2
Z = 15
X3
2/5
3/5
-1/5
17/5
X1
6/5
-1/5
2/5
6/5
-26/5
-9/5
-2/5
Z = 81/5
C
2S - 2015
3
X3
3
C
3
2
X2
80
; A1 A2 A3 A4 A5 xNBo , xBo b
Ax b
A A A A A x b
A A A A A x x b
A A A x A A x b
A A A x I x b
1
NB1
NB 2
NB 3
B1
B2
NB B
NB1
NB 2
NB 3
NB
B1
NB1
NB 2
NB 3
NB
x NB 0 xB b
2S - 2015
B2
81
Ax b
; A1 A2 A3 A4 A5 xNBo xBo b
x NB 0 xB b
x NB 0 A3 A1 xB b
Tambin en el sistema
original es vlido aplicar
A3 A1 xB b /
xB A3 A1 b
b A3 A1 b
; A3 A1 A1 , A3 A1 A2 , A3 A1 A3 , A3 A1 A4 , A3 A1 A5 x A3 A1 b b
1
Comparando con
2S - 2015
A , A , A , A , A x b
1
82
xB x3
x1 B A3 A1 B A3 A1
1
A j B 1 A j
c j c j cB A j
b B b
xB B b
cB B
z cB xB ;
z cB B 1b;
2S - 2015
c j c j cB B 1 A j
z cx;
b A3 A1 b
1
z b
Ingeniera Civil Industrial UCN
83
Simplex Revisado
El mtodo simplex requiere:
1. Columna C para determinar cul variable no bsica entra a la base.
2. La columna pivote y las constantes del lado derecho para realizar la
regla de la razn mnima.
Cada tableau puede ser generado a travs de operaciones vector-matriz.
As, se pueden representar las columnas correspondientes al tableau
como:
1
A1 , A2
3
2S - 2015
1
8
2 2
0
, A3 , A4 , A5 , b
0
7
4 1
1
Ingeniera Civil Industrial UCN
84
Simplex Revisado
Por ejemplo, el tableau 2 puede ser generado directamente por teora de
matrices
Matriz Base
2
B ( A3, A5 )
1
0
1
,
B
1
1/ 2 0
1/
2
1/ 2 0 1
1/ 2
A1 B A1
1/ 2 1 3
5/ 2
1
1/ 2 0 2 1
A2 B A2
1/ 2 1 4 3
1
1 / 2 1 7 3 X5
2S - 2015
Ingeniera Civil Industrial UCN
85
1
Simplex Revisado
Ahora, es necesario conocer las ganancias relativas. Los valores de C
se calculan de la siguiente forma en el mtodo simplex original.
1/ 2
C1 C1 CB A1 5 (3,1)
1
5 / 2
1
C2 C2 CB A2 2 (3,1) 4
3
1/ 2
C4 C4 CB A4 1 (3,1)
2
1/ 2
O en general
Sea
C j C j CB Aj
CB B 1
2S - 2015
con
Aj B 1 Aj
86
Simplex Revisado
Entonces
C j C j A j
Por ejemplo
1 / 2 0
1 , 2 C B B (3,1)
(1,1)
1 / 2 1
1
Luego
1
C1 C1 A1 5 (1,1) 1
3
2
C2 C2 A2 2 (1,1) 4
4
2S - 2015
1
C4 C4 A4 1 (1,1) 2
0
X1 es la nueva variable
bsica
87
Simplex Revisado
Ahora se debe encontrar la variable que deja la base. Para aplicar la
regla de la razn mnima es necesario encontrar las constantes del lado
derecho y la columna pivote.
1/ 2 0 1
1/ 2
A1 B A1
1/ 2 1 3
5/ 2
1/ 2 0 8 4
1
bB b
1/ 2 1 7 3
1
3/ 5 1/
2 1
5
1
B ( A3 , A1 )
,B
1/ 5 2 / 5
1
3
Ingeniera Civil Industrial UCN
2S - 2015
88
Simplex Revisado
Las nuevas constantes del lado derecho se obtienen por:
3 / 5 1 / 5
B b
1/ 5 2 / 5
1
8 17 / 5
7 6 / 5
Entonces
2S - 2015
C j C j A j
Cb B 1
3 / 5 1 / 5
Cb B (3,5)
4 / 5,7 / 5
1/ 5 2 / 5
1
89
Simplex Revisado
As, las ganancias relativas son:
4 7
C2 C2 A2 2 ,
5 5
2
26
4 5
4 7
C4 C4 A4 1 ,
5 5
1
9
0 5
4 7
C5 C5 A5 1 ,
5 5
0
2
1 5
90
Simplex Revisado
Resumen:
b B 1b
C B B 1
C j C j Aj
Aj B 1 Aj
Z CB b
2S - 2015
91
Simplex Revisado
Ejemplo:
Minimizar
Z = -3X1 + X2 + X3
S.A.
X1 - 2X2 + X3 <= 11
-4X1 + X2 + 2X3 >=3
2X1
- X3 = -1
X1, X2, X3 >= 0
Z = -3X1 + X2 + X3
X1 - 2X2 + X3 + X4
-4X1 + X2 + 2X3
-2X1
2S - 2015
= 11
- X5 = 3
+ X3
=1
92
Simplex Revisado
Se agregan las variables artificiales X6 y X7.
X1 - 2X2 + X3 + X4
-4X1 + X2 + 2X3
-2X1
= 11
- X5 + X6
+ X3
= 3
+ X7 = 1
2S - 2015
1
2 1
1 , A 2 , A 0
3
4
0
0
1
0 11
0 , b 3
, A7
Ingeniera Civil Industrial UCN
1 1
1
A1 4 , A2
2
0
A6 1
0
0
, A5 1
93
Simplex Revisado
1 0 0
Luego,
B A4 , A6 , A7 0 1 0 I
0 0 1
1
b B 1b b
Por lo tanto: B I
y
El tableau inicial es:
B-1
Base
Ctes.
X4
11
X6
X7
Variable
que entra
1
X3
2
1
Se obtendrn a continuacin.
2S - 2015
Columna
Pivote
94
Simplex Revisado
1 0 0
1 , 2 , 3 Cb B 1 (0, M , M ) 0 1 0 0, M , M
0 0 1
Como C j C j A j
Los multiplicadores simplex son:
1
C1 3 0, M , M 4 6 M 3
2
2
C2 1 0, M , M 1 1 M
0
2S - 2015
1
C3 1 0, M , M 2 1 3M
1
Entra a la base
0
C5 0 0, M , M 1 M
0
95
Simplex Revisado
1 0 0 1 1
La columna pivote se obtiene por:
A3 B 1 A3 0 1 0 2 2
0 0 1 1 1
Por razn mnima, X3 reemplaza a X7
Luego en el tableau 1 se realiza la operacin pivote, resultando:
Tableau 2
B-1
Base
Ctes.
X4
-1
10
X6
-2
X3
Variable
que entra
-2
X2
1
0
Se obtendrn a continuacin.
2S - 2015
Columna
Pivote
96
Simplex Revisado
Los multiplicadores
simplex son:
Adems:
1 0 1
(0, M ,1) 0 1 2 0, M ,2 M 1
0 0 1
C1 1, C2 1 M , C5 M
1 0 1
A2 B 1 A2 0 1 2
0 0 1
Por
razn
2S
- 2015
mnima, X2 reemplaza
X6
Ingeniera Civil a
Industrial
2 2
1 1
0 0
UCN
97
Simplex Revisado
Luego en el tableau 2 se realiza la operacin pivote, resultando:
Tableau 2
B-1
Base
Ctes.
X4
-5
12
X2
-2
X3
Variable
que entra
Columna
Pivote
3
X1
0
-2
Se obtendrn a continuacin.
Los multiplicadores
simplex son:
Adems:
2S
- 2015
1 2 5
(0,1,1) 0 1 2 0,1,1
0 0 1
C1 1,Ingeniera
C5 1 Civil Industrial Por
UCNlo tanto X1
98 entra a la base.
Simplex Revisado
La columna pivote se obtiene por:
1 2 5
A1 B 1 A1 0 1 2
0 0 1
1 3
4 0
2 2
Base
2S - 2015
Ctes.
X1
1/3
2/3
-5/3
X2
-2
X3
2/3
4/3
-7/3
99
Simplex Revisado
Los multiplicadores
simplex son:
Adems:
1 / 3 2 / 3 5 / 3
1 1 2
(3,1,1) 0
1
2 , ,
3 3 3
2 / 3 4 / 3 7 / 3
1
1
C 4 , C5
3
3
X2 = 1
X3 = 9
El valor ptimo de la FO es
2S - 2015
X4 = 0
X5 = 0
4
Z C B b (3,1,1) 1 2
9100
Simplex Revisado
Ejemplo:
Maximizar
S.A.
X3 + X4
+ 2X3
X1 + 4X2
= 30
+ X5
= 60
+X6 = 20
101
la variable
102
Restriccin
2S - 2015
103
2S - 2015
104
Reddy Mikks
Pintura para
Interiores
Disponibilidad
mxima diaria
(toneladas)
Materia Prima M1
24
Materia Prima, M2
105
Max Z 5 x1 4 x2
s.a.
Reddy Mikks
6 x1 4 x2 24; M 1
x1 2 x2 6;
M2
Solucin ptima:
x1 x2 1
x2 2
x1 , x2 0
5
x1
x2
H1
H2
H3
H4
x1
-1/2
x2
-1/8
3/2
H3
3/8
-5/4
5/2
H4
1/8
-3/4
-3/4
-1/2
21
2S - 2015
Donde estan
los precios
duales? y
106
Reddy Mikks,
Original
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
21.00000
VARIABLE
VALUE
X1
3.000000
X2
1.500000
ROW
2)
3)
4)
5)
NO. ITERATIONS=
2S - 2015
REDUCED COST
0.000000
0.000000
107
Reddy Mikks, CR
de H1
21.00000
VARIABLE
VALUE
X1
3.000000
X2
1.500000
H1
0.000000
REDUCED COST
0.000000
0.000000
0.000000
21.04000
VARIABLE
VALUE
X1
2.000000
X2
2.000000
H1
4.000000
REDUCED COST
0.000000
0.000000
0.000000
max 5x1+4x2+0.75H1
subject to
6x1+4x2+H1=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
max 5x1+4x2+0.76H1
subject to
6x1+4x2+H1=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
108
max 5x1+4x2+0.5H2
subject to
6x1+4x2<=24
x1+2x2+H2=6
-x1+x2<=1
x2<=2
end
1)
21.00000
VARIABLE
VALUE
X1
3.000000
X2
1.500000
H2
0.000000
Reddy Mikks, CR de
H2
REDUCED COST
0.000000
0.000000
0.000000
max 5x1+4x2+0.51H2
subject to
6x1+4x2<=24
x1+2x2+H2=6
-x1+x2<=1
x2<=2
end
2S - 2015
21.02000
VARIABLE
VALUE
X1
4.000000
X2
0.000000
H2
2.000000
REDUCED COST
0.000000
0.013333
0.000000
109
21.00000
VARIABLE
VALUE
X1
3.000000
X2
1.500000
REDUCED COST
0.000000
0.000000
max 5x1+4x2
subject to
6x1+4x2<=25
x1+2x2<=6
-x1+x2<=1
x2<=2
end
2S - 2015
21.75000
VARIABLE
VALUE
X1
3.250000
X2
1.375000
REDUCED COST
0.000000
0.000000
110
Reddy Mikks,
VD,M2
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
21.00000
VARIABLE
X1
X2
VALUE
3.000000
1.500000
REDUCED COST
0.000000
0.000000
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=7
-x1+x2<=1
x2<=2
end
2S - 2015
En este caso el
cambio en el lado
derecho, cambi
la base por tanto
lo esperable no
ocurre.
1)
21.33333
VARIABLE
VALUE
X1
2.666667
X2
2.000000
REDUCED COST
0.000000
0.000000
111
max 5x1+4x2
subject to
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=3
x2<=2
end
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=1
x2<=2
end
1)
21.00000
VARIABLE
VALUE
X1
3.000000
X2
1.500000
REDUCED COST
0.000000
0.000000
2S - 2015
21.00000
VARIABLE
VALUE
X1
3.000000
X2
1.500000
REDUCED COST
0.000000
0.000000
max 5x1+4x2
subject to
6x1+4x2<=24
x1+2x2<=6
-x1+x2<=2
x2<=2
end
1)
21.00000
VARIABLE
VALUE
X1
3.000000
X2
1.500000
REDUCED COST
0.000000
0.000000