Documente Academic
Documente Profesional
Documente Cultură
Materia:
Investigación de Operaciones I
Nombre del Prototipo a Presentar:
Investigación del Tema 2.4 Casos Especiales de
Programación Lineal.
Integrantes:
Juan Manuel López Bretado
Carlos Alfredo Rodríguez Hernández
Grado y Sección:
“4 A”
Carrera:
Ing. Industrial
Profesor:
Ing. Edith González Solís
Lugar y Fecha:
San Pedro de la Colonias Coah. 13– Marzo – 2019
Casos Especiales de Programación Lineal
En la resolución de un modelo de Programación Lineal se pueden enfrentar ciertos
casos especiales que merecen particular atención. Estos casos (infinitas soluciones
óptimas, problema no acotado sin solución óptima, problema infactible, solución
óptima degenerada) se pueden detectar a través de la aplicación del Método
Simplex según hemos tratado previamente en el Blog. A continuación, un resumen
de dichos escenarios:
Infinitas Soluciones Óptimas:
Se detecta cuando luego de alcanzar una
solución básica factible óptima, al menos
una variable no básica tiene costo
reducido igual a cero. La siguiente
imagen representa esta situación donde
la solución óptima (infinitas) se alcanza
en el tramo entre los vértices B y C. En
efecto se puede representar de forma
general las soluciones óptimas como:
(x,y)= X(0,3)+(1-X )(2,2) con 0 ≤ X ≤1.
Problema No Acotado:
En las interacciones del Método Simplex
un problema no acotado se detecta cuando
al calcular el criterio de factibilidad o
mínimo cuociente que determina la
variable que deja la base, todas las
entradas en la columna de la variable no
básica entrante son negativas o cero, por
tanto, no existe denominador válido (mayor
a cero) que permita determinar el pivote.
En la siguiente representación gráfica se
puede apreciar que las curvas de nivel de
la función objetivo crecen en la dirección
del vector gradiente, donde en particular el
dominio de soluciones factibles es no
acotado para los valores que puede
adoptar la variable X2.
Es importante destacar que el hecho que un dominio de soluciones factibles sea no
acotado no implica necesariamente que el problema de Programación Lineal no
tiene solución.
Problema Infactible:
Si al finalizar la Fase I del Método Simplex de 2 Fases el valor de la función objetivo
es distinto a cero, entonces el problema lineal es infactible, es decir, el dominio de
soluciones factibles es vacío al existir restricciones incompatibles (por ejemplo en el
gráfico a continuación el área azul no se intersecta con el área color rojo).
Fuente:https://www.gestiondeoperaciones.net/programacion_lineal/casos-
especiales-en-la-programacion-lineal-detectados-con-el-metodo-simplex/
EJEMPLOS
1. Problemas Degenerados:
Dado el siguiente Problema Lineal
Max(z)= 10x1 + 6x2
s.a:
8x1 + 4x2 ≤ 24
8x1 + 2x2 ≤ 20
2x1 + 2x2 ≤ 8
x1,x2 ≥ 0
Si analizamos su solución gráfica:
Problemas degenerados
cj 5 8 0 0 0
cb Base Solución x1 x2 x3 x4 x5
5 x1 30 1 1,5 2 0 0 30/1,5=20*
0 x4 200 0 10 1 1 0 200/10=20*
0 x5 50 0 2 0 0 1 50/2=25
Zj Z0 130 5 7,5 10 0 0
cj - zj 0 0,5 - 10 0 0
*
empate
x1 0
x2 20
x3 = 0
x4 0
x5 10
Infinitas soluciones
cj 10 20 0 0 0
Cb Base Solución x1 x2 s1 s2 S3
10 x1 8 1 0 40 -20 0
20 x2 14 0 1 -20 20 0
0 s3 5 0 0 -3 1 1
Zj z0 360 10 20 0 200 0
cj - zj 0 0 0 -200 0
La contribución marginal neta de s 1 es igual a cero, lo que significa que por producir
una unidad de esta variable (en realidad generar una unidad excedente de recurso,
porque es una variable de holgura), el beneficio no varía, pero sí cambia la solución.
Esto significa que podemos incorporarla a la base, obtenemos una solución distinta
a la anterior que le da a Z el mismo valor y sabemos por el Teorema II, que la
combinación lineal convexa de las mismas dará a Z el mismo valor, por lo tanto, el
problema tiene infinitas soluciones.
Se presenta cuando los λij del vector columna de la variable que entra a la base son
negativos y/o nulos, por lo que al hacer el cociente para determinar la variable que
sale de la base (procedimiento para calcular θ (theta)), éste es infinito. Como vimos
en el teorema fundamental del Simplex, en casos como estos la función objetivo
puede aumentar sin cota y esta situación no es realista en la práctica, en este caso
se debe parar el proceso y el problema no tiene solución.
cj 3 1 0 0
cb Base Solución x1 x2 x3 x4
3 x1 1 1 0 0 No se
plantea
el
-1 cociente
1 x2 2 0 1 0 -1 2/0 = ∞
Zj z0 5 3 1 -3 -1
cj - zj 0 0 3 1
Debemos recordar que para calcular θ (theta) los valores negativos de λij no son
tenidos en cuenta porque las variables no pueden ser negativas ya que θ (theta)
en definitiva es el valor al cual ingresa la variable no básica a la base.
Problemas inconsistentes
cj 4 6 0 0 M
Cb Base Solución x1 x2 s1 s2 A1
10 X3 5,5 -1,5 0 1 0 0
M A1 42 -4 0 0 -1 1
0 X2 5 0 1 0 0 0
Zj 30+42M 6-4M 6 0 -M M
cj - zj -2+4M 0 0 M 0
Estamos en el cuadro optimo ya que todos los cj-zj son mayores o iguales a cero y
en la bese nos queda una A1 con un valor de 42.
Fuente: https://es.scribd.com/document/163602062/Casos-Especiales-de-
Programacion-Lineal