Método de Penalización M

El método de penalización consiste en modificar el problema original y de esta

forma dar lugar a un nuevo problema de programación lineal, en este caso la
solución inicial debe ser básica y factible, esto se logra agregando a la función
objetivo, variables las cuales llamamos de holgura o artificiales. Donde M es un
vector de valores positivos arbitrarios y muy elevados.

Ejemplo:

Resolver el siguiente ejercicio aplicando el método de penalización M.

Minimizar Z= -3x1 + 5x2

S.A. x1 ≤ 4

x2 ≤ 6

3x1 + 2x2 ≥ 18

x1 ≥ 0, x2 ≥ 0

x1 ≥ 0, x2 ≥ 0

El siguiente problema lo podemos reescribir de la siguiente forma:

Maximizar h= -Z= 3x1 - 5x2

S.A. x1 + x3 = 4

x2 + x4 = 6

3x1 + 2x2 - x5 = 18

x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0

El siguiente problema lo podemos reescribir de la siguiente forma:

Maximizar h= -Z= 3x1 - 5x2

S.A. x1 + x3 = 4

x2 + x4 = 6

3x1 + 2x2 - x5 = 18
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0

Ahora introduzcamos la variable W.

Maximizar h= -Z= 3x1 - 5x2 -MW1

S.A. x1 + x3 = 4

x2 + x4 = 6

3x1 + 2x2 - x5 + W1 = 18

x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0, , W1 ≥ 0

El paso siguiente es escribirlo en forma de tabla:

La ultima tabla es óptima y como a≠ 1, esta fuera de la base W1= 0, por lo que
la solución también es óptima, para el programa original. La solución óptima seria:

Con una función objetivo h = -Z = -3, lo que implica que Z=3, tal como se
obtuvo gráficamente.

El único problema grave que presenta el método penal es que al usarse en una
computadora, como las componentes del vector M, se les tiene que asignar valores
reales positivos muy grandes los cuales al iterarlos varias veces, los mismos
comienzan a acumular errores de redondeo que pueden afectar seriamente el
resultado final del problema de programación lineal. Esta es una de las razones por
las cuales se ha sustituido el método penal por el método de las dos fases.

Método Simplex de dos Fases

Una desventaja de la técnica M es el posible error de cálculo que puede resultar

al asignarse un valor muy grande a la constante M. Aquí se utilizan las variables
artificiales, pero el uso de la constante M se elimina resolviendo el problema en
dos etapas:

FASE I:

Agregar variables artificiales para asegurar una solución inicial. Formar una
nueva función objetivo para minimizar la suma de las variables artificiales sujeta a
las restricciones del problema original con las variables artificiales, si el mínimo es
0 (todas las variables artificiales son 0), el problema original tiene soluciones
factibles, entonces seguir con la Fase II, si no detenerse.

FASE II:

Utilizar la solución básica óptima de la FASE I como solución inicial para el

problema original.