Documente Academic
Documente Profesional
Documente Cultură
Pontificia Universidad Catlica de Chile Facultad de Ingeniera Departamento de Ingeniera Industrial y de Sistemas
Lo que entra en la I2
Modelacin Ideas Generales de un LP Simplex
Anlisis Matricial
Por ejemplo: Partir desde un vrtice / Condicionar un vrtice
Casos particulares
Solucin mltiple, Degeneracin de Vrtices.
Fases I y II en el Tableu
06/05/2010
Ideas Generales de un LP
1. 2. 3. 4. Los LPs son convexos: Cualquier mnimo local es global. Si existe solucin ptima, al menos una debe estar en un vrtice. Existe un nmero finito de vrtices. Si existe una solucin en un vrtice, que es igual o mejor a la de los vrtices adyacentes, entonces es ptima. 5. Forma Estndar:
Min : cT X s.a. AX = b xi 0
Donde: b j 0 j (1,.., m )
i (1,.., n )
Simplex
FASE I Paso Inicial Encontrar un vrtice del dominio, es decir, una solucin inicial factible (SIF)
Paso Iterativo Traslado a una mejor solucin FASE II Prueba de Optimalidad Es ptima la solucin?
La solucin en un vrtice es ptima cuando ninguna en vrtices adyacentes a ella sea mejor.
NO FIN SI
06/05/2010
Lo que entra en la I2
Modelacin Ideas Generales de un LP Simplex
Anlisis Matricial
Por ejemplo: Partir desde un vrtice / Condicionar un vrtice
Casos particulares
Solucin mltiple, Degeneracin de Vrtices.
Fases I y II en el Tableu
Anlisis Matricial
T T Min : cB X B + cD XD
1 T T 1 Min : cT B B b + ( cD cB B D) XD
BX B + DX D = b XB, XD 0
XB = B1b B1DXD XB , XD 0
XD = 0
Si se toma como valor de las variables no bsicas: Entonces el valor de las variables bsicas es: El valor de la funcin objetivo est dado por:
X B = B 1b
T 1 V = cB B b
El impacto marginal de las variables no bsicas al entrar es: Este valor se conoce como: COSTO REDUCIDO
T T 1 rD = ( cT D cB B D )
06/05/2010
XB
XD
LD
I
0
B 1 D
CD T CBT B 1 D
X B = B 1b
CBT B 1b
Condicionar un vrtice
Considere el siguiente problema:
Max : X + aY s.a. 3Y + X 13 X +Y 6 0 X 0Y 4
Para qu valores de a, estn activas las restricciones * y ** en el ptimo?
(*)
3 X + Y 13 (**)
06/05/2010
Condicionar un vrtice
Estandarizamos:
Min : X aY s.a. X + 3Y + h1 = 13 X + Y + h2 = 6 3 X + Y + h3 = 13 Y + h4 = 4 X ,Y 0
Condicionar un vrtice
Resolvemos: X 1 1 3 0 -1 Y 3 1 1 1 -a h1 1 0 0 0 0 h2 0 1 0 0 0 h3 0 0 1 0 0 h4 0 0 0 1 0 13 6 13 4 0 BASE h1 h2 h3 h4
Para lograr nuestro objetivo requerimos que h2 = h3 = 0 (no bsicas) en el ptimo. Este TABLEAU no cumple ni la condicin de ptimo, ni lo que queremos, por lo tanto hay que iterar. X entra a la base Min (13/1, 6/1, 13/3,: ) = 13/3. Sale la tercera variable de base, h3.
06/05/2010
Condicionar un vrtice
Resolvemos: X 0 0 1 0 0 Y 8/3 2/3 1/3 1 1/3-a h1 1 0 0 0 0 h2 0 1 0 0 0 h3 -1/3 -1/3 1/3 0 1/3 h4 0 0 0 1 0 26/3 5/3 13/3 4 13/3 BASE h1 h2 X h4
Tenemos solo una restriccin activada, ya que h3 = 0. Pero falta la otra, por lo que no puede ser el ptimo. Por lo tanto: 1/3 a < 0. Esto implica a > 1/3 (Mayor estricto S. nica). Y entra a la base Min[(26/3)/(8/3), (5/3)/(2/3), (13/3)/(1/3), 4/1] = (26/8, 5/2, 13, 4) = 5/2. Luego sale la segunda variable de base, o sea, h2. .
Condicionar un vrtice
Resolvemos: X 0 0 1 0 0 Y 0 1 0 0 0 h1 h2 h3 1 -4 1 0 3/2 -1/2 0 -1/2 1/2 0 -3/2 1/2 0 (3a-1)/2 (1-a)/2 h4 BASE 0 2 h1 0 5/2 Y 0 7/2 X 1 3/2 h4 0 21/6+5a/2
Obtenemos nuestra condicin, ya que logramos sacar las holguras 2 y 3 fuera de la base. Este vrtice debe ser ptimo, por lo que los costos reducidos deben ser mayores o iguales que cero: (3a-1)/2 > 0 y (1-a)/2>0. Esto nos dice que. : a > 1/3 y a < 1. Luego 1/3 < a < 1 es la condicin pedida.
06/05/2010
Lo que entra en la I2
Modelacin Ideas Generales de un LP Simplex
Anlisis Matricial
Por ejemplo: Partir desde un vrtice / Condicionar un vrtice
Casos particulares
Solucin mltiple, Degeneracin de Vrtices.
Fases I y II en el Tableu
Encontrar las dems soluciones entrando a la base las variables no bsicas con costos reducidos cero. S. ptima es combinacin convexa de las soluciones en los vrtices encontradas. Solucin Algn elemento del lado derecho Si es ptimo, OK. Degenerada (Variable bsica) igual a cero. Si no; seguir iterando y as salir del vrtice degenerado, para luego encontrar el ptimo. Problema no Columna de la variable entrante Nada... acotado slo con valores negativos o ceros. El problema no tiene solucin Dominio Infactible Fase 1 sin solucin o distinta a Nada... Variables Artificiales = 0 El problema no tiene solucin
06/05/2010
Lo que entra en la I2
Modelacin Ideas Generales de un LP Simplex
Anlisis Matricial
Por ejemplo: Partir desde un vrtice / Condicionar un vrtice
Casos particulares
Solucin mltiple, Degeneracin de Vrtices.
Fases I y II en el Tableu
06/05/2010
Fase 1 y 2 en el Tableau:
M in : A s .a . x2 + x3 = 3
Problema de Fase 1
x1 + x 2 + x 4 = 0 x1 + 2 x 2 x 5 + A = 3 x1 2 x 2 + x 6 = 3 x1 + x 2 + x 7 = 6 x1 , x 2 , x 3 , x 4 , x 5 , x 6 , x 7 , A 0
06/05/2010
x1 0 -1 1 1 1 0 -1
x2 1 1 2 -2 1 2 -2
x3 1 0 0 0 0 0 0
x4 0 1 0 0 0 0 0
x5 0 0 -1 0 0 0 1
x6 0 0 0 1 0 0 0
x7 0 0 0 0 1 0 0
A 0 0 1 0 0 0 0
LD 3 0 3 3 6 0 -3
sale Min(3/1;0/1;3/2;*;6/1) = 0
10
06/05/2010
11
06/05/2010
X5 entra a la base sale Min(2/(1/3);*;*;*;4/(2/3)) = 6. Hay empate en la salida Nuevamente hay un vrtice degenerado. Puede salir de base X3 X7 Sale X3 arbitrariamente.
X1* = [3;3;0;0;6;6;0] V* = 6
sale Min(*;*;*;6/1;0/1) = 0.
12
06/05/2010
V* = 6
* X * = X 1* + (1 ) X 2 = X 1* + (1 ) X 1* = X 1*
13
06/05/2010
Lo que entra en la I2
Modelacin Ideas Generales de un LP Simplex
Anlisis Matricial
Por ejemplo: Partir desde un vrtice / Condicionar un vrtice
Casos particulares
Solucin mltiple, Degeneracin de Vrtices.
Fases I y II en el Tableu
14
06/05/2010
Lo que entra en la I2
Modelacin Ideas Generales de un LP Simplex
Anlisis Matricial
Por ejemplo: Partir desde un vrtice / Condicionar un vrtice
Casos particulares
Solucin mltiple, Degeneracin de Vrtices.
Fases I y II en el Tableu
15
06/05/2010
Teora de Dualidad
Conceptos bsicos: 1. 2. 3. 4. Dualidad Dbil Dualidad Fuerte Simetra Significado de las Variables Duales (Variables, Holguras, Costos Reducidos) Variables Duales en el TABLEAU Primal. Relacin Dual en: 1. Degeneracin - Solucin Mltiple 2. Dominio Vaco Dominio no Acotado
5. 6.
a j x bj
yj 0 yj 0
y jlibre
a j x bj
a j x = bj
T
xi 0
AiTY ci
xi 0
xi : libre
AiTY ci AiTY = ci
16
06/05/2010
Ejemplo de Dualidad:
Resolver el problema dual y obtener la solucin de:
Min : 3 x1 + 4 x2 + 5 x3 s.a. x1 + 2 x2 + x3 5 2 x1 + 2 x2 + x3 6 x1 , x2 , x3 0
Ejemplo de Dualidad :
Obtenemos el problema dual:
Min : 3 x1 + 4 x2 + 5 x3 s.a. x1 + 2 x2 + x3 5 2 x1 + 2 x2 + x3 6 x1 , x2 , x3 0
Requiere fase 1 No se puede resolver grficamente
Max : 5 y1 + 6 y2 s.a. y1 + 2 y2 3 2 y1 + 2 y2 4 y1 + y2 5 y1 , y2 0
No requiere fase 1 Se puede resolver grficamente En este caso el DUAL es ventajoso!
17
06/05/2010
Ejemplo de Dualidad :
Estandarizamos el Dual:
Max : 5 y1 + 6 y2 s.a. y1 + 2 y2 3 2 y1 + 2 y2 4 y1 + y2 5 y1 , y2 0
Max : 5 y1 + 6 y2 s.a.
1 =3 y1 + 2 y2 + hD 2 2 y1 + 2 y2 + hD =4 3 =5 y1 + y2 + hD 1 2 3 y1 , y2 , hD , hD , hD 0
Ejemplo de Dualidad :
Iteracin 1:
Y1 1 2 1 5 Y2 2 2 1 6 h1 1 0 0 0 h2 0 1 0 0 h3 0 0 1 0 L.D. BASE 3 h1 4 h2 5 h3 0
18
06/05/2010
Ejemplo de Dualidad :
Iteracin 2:
Y1 0 1 0 0 Y2 1 1 0 1 h1 1 0 0 0 h2 -1/2 1/2 -1/2 -5/2 h3 0 0 1 0 L.D. BASE 1 h1 2 Y1 3 h3 -10
sale Min(1/1;2/1;*) = 1.
Ejemplo de Dualidad :
Iteracin 3:
Y1 0 1 0 0 Y2 1 0 0 0 h1 1 -1 0 -1 h2 -1/2 1 -1/2 -2 h3 0 0 1 0 L.D. BASE 1 Y2 1 Y1 3 h3 -11
1 0 rY = , rhD = 2 0 0
19
06/05/2010
Ejemplo de Dualidad :
Obtengamos la solucin Primal:
0 1 Y * = , hD * = 0 1 3
Min : 3 x1 + 4 x2 + 5 x3 s.a. x1 + 2 x2 + x3 e1 P =5
2 2 x1 + 2 x2 + x3 eP =6 2 x1 , x2 , x3 , e1 P , eP 0
Y1 es el costo reducido del exceso de la primera restriccin dual. Y2 es el costo reducido del exceso de la segunda restriccin dual. H3 es el costo reducido de X3 X3 fuera de base.
e1 P = 0
2 P
= 0
x2 = 2
Ejemplo de Dualidad :
Obtengamos la solucin Primal:
0 1 Y * = , hD * = 0 1 3
Min : 3 x1 + 4 x2 + 5 x3 s.a. x1 + 2 x2 + x3 e1 P =5
2 2 x1 + 2 x2 + x3 eP =6 2 x1 , x2 , x3 , e1 P , eP 0
e =0
1 P
e =0
2 P
x2 = 2
x1 = 1 x2 = 2
x1 + 2 x2 = 5 2 x1 + 2 x2 = 6
V * = 3*1 + 4* 2 + 5*0 = 11
20
06/05/2010
Ejemplo de Dualidad :
Comparando las soluciones de ambos problemas:
Max : 5 y1 + 6 y2 s.a.
1 y1 + 2 y2 + hD =3
Min : 3 x1 + 4 x2 + 5 x3 s.a. x1 + 2 x2 + x3 e1 P =5
2 2 x1 + 2 x2 + x3 eP =6 2 x1 , x2 , x3 , e1 P , eP 0
2 y1 + 2 y2 + h = 4
3 y1 + y2 + hD =5 1 2 3 , hD , hD 0 y1 , y2 , hD
2 D
0 1 Y * = , hD * = 0 1 3
1 0 X* = 2 , eP * = 0 0 0 1 rX = 0 , reP = 1 3
1 0 rY = , rhD = 2 0 0
Pontificia Universidad Catlica de Chile Facultad de Ingeniera Departamento de Ingeniera Industrial y de Sistemas
21