Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 817 vistas

    Método M o Penalización

    Cargado por

    daniel alejandro
    El documento describe el Método M o de penalización para resolver problemas de programación lineal. El método agrega variables artificiales para convertir las restricciones en ecuaciones y penaliza estas variables en la función objetivo. El problema se resuelve en dos fases: 1) minimizando las variables artificiales y 2) usando esta solución como punto de partida para maximizar la función objetivo original.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Método M o Penalización

    Cargado por

    daniel alejandro
    817 vistas8 páginas
    El documento describe el Método M o de penalización para resolver problemas de programación lineal. El método agrega variables artificiales para convertir las restricciones en ecuaciones y penaliza estas variables en la función objetivo. El problema se resuelve en dos fases: 1) minimizando las variables artificiales y 2) usando esta solución como punto de partida para maximizar la función objetivo original.

    Descripción original:

    metodo de penalizacion IO

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe el Método M o de penalización para resolver problemas de programación lineal. El método agrega variables artificiales para convertir las restricciones en ecuaciones y penaliza estas variables en la función objetivo. El problema se resuelve en dos fases: 1) minimizando las variables artificiales y 2) usando esta solución como punto de partida para maximizar la función objetivo original.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    817 vistas8 páginas

    Método M o Penalización

    Cargado por

    daniel alejandro
    El documento describe el Método M o de penalización para resolver problemas de programación lineal. El método agrega variables artificiales para convertir las restricciones en ecuaciones y penaliza estas variables en la función objetivo. El problema se resuelve en dos fases: 1) minimizando las variables artificiales y 2) usando esta solución como punto de partida para maximizar la función objetivo original.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 8

    Método M o Penalización

    El Método M se inicia con la PL en forma de ecuación. Si la ecuación no tiene una


    holgura (o una variable que pueda desempeñar el papel de una), se agrega una
    variable artificial, Ri , para formar una solución inicial procede a la solución básica
    de total holgura.

    Sin embargo, las variables artificiales en formar parte del problema original, y se
    requiere un "Artificio" de modelado para IGUALARLAS A CERO en el momento
    que se alcance la iteración ÓPTIMA (suponiendo que el problema tenga una
    solución factible)

    La meta deseada se logra penalizando estas variables en la función objetivo


    utilizando la siguiente regla:

    Regla de penalización para variables Artificiales:

    Dado M, un valor positivo suficientemente grande (matemáticamente (M 00), el


    coeficiente objetivo de una variable artificial representa una penalización
    apropiada si:

    Regla de penalización para variables Artificiales:

    Dado M, un valor positivo suficientemente grande (matemáticamente (M 00), el


    coeficiente objetivo de una variable artificial representa una penalización
    apropiada si:

    Los Pasos Básicos del Método M o Penalización son los siguientes:

    1.-Exprese el problema en forma Estándar transformando las inecuaciones


    inecuaciones introduciendo variables de Holgura. (X1;X2;X3 o Cualquier variable)
    2.-Agrega VARIABLES NO NEGATIVAS al lado izquierdo de cada de las
    ecuaciones correspondientes a las restricciones de tipo (>= o <=).Estas variables
    se denominan VARIABLES ARTIFICIALES y su adición hace que las restricciones
    sean correspondientes.

    3.-Utiliza las VARIABLES ARTIFICIALES en la solución básica inicial., sin


    embargo la función objetivo de la tabla inicial se prepara adecuadamente para
    expresarse en términos de las variables no básicas únicamente.

    4.-Proceda con los pasos regulares del metido simplex.

    EJEMPLO:
    -Realizar en siguiente ejercicio por el Método M :

    Maximizar Z= 4x1 + x2

    Sujeto a:
    3x1 + x2 =3

    4x1 + 3x2 >= 6


    x1 + 2x2 <= 4
    SOLUCIÓN:

    1º Iniciamos analizando las restricciones y agregando variables a cada uno de ello


    :

    Mazimizar Z = 4X2 + X2 + MR1 + MR2

    Z= 4X1 + X2 + 0X3 + MR1 + MR2 + 0X4

    Z - 4X1 - X2 - 0X3 - MR1 - MR2 - 0X4 = 0

    Sujeto a :

    3X1 + X2 = 3
    4X1 + 3X2 -X3 = 6
    X1 + 2X2 + X4 +X4 = 4
    X1,X2,X3,X4 >= 0

    Se le agrega la VARIABLE ARTIFICIAL donde no hay variable de HOLGURA:

    3X1 + X2 + R1 = 3
    4X1 + 3X2 -X3 + R2 = 6
    X1 + 2X2 +X4 = 4
    X1,X2,X3,X4 >=0
    R1,R2 >= 0

    Solución : (R1,R2,X4)
    (3, 6,4)
    METODO DE LAS DOS FASES.

    La desventaja de la técnica M es el posible error de cómputo que podría resultar


    de asignar un valor muy grande a la constante M. Esta situación podría presentar
    errores de redondeo en las operaciones de la computadora digital. Para evitar esta
    dificultad el problema se puede resolver en 2 fases.

    FASE 1. Formule un nuevo problema reemplazando la función objetivo por la


    suma de las variables artificiales.

    La nueva función objetivo se minimiza sujeta a las restricciones del problema


    original. Si el problema tiene un espacio factible el valor mínimo de la función
    objetivo óptimo será cero, lo cual indica que todas las variables artificiales son
    cero. En este momento pasamos a la fase 2.

    * Si el valor mínimo de la función objetivo óptima es mayor que cero, el problema


    no tiene solución y termina anotándose que no existen soluciones factibles

    FASE 2. Utilice la solución óptima de la fase 1 como solución de inicio para el


    problema original. En este caso, la función objetivo original se expresa en términos
    de las variables no básicas utilizando las eliminaciones usuales Gauss-Jordan.

    PROBLEMA

    Minimizar

    Sujeto a:
    Minimizar

    Sujeto a:

    FASE I

    Minimizar

    Sujeto a:
    Minimizar

    Sujeto a:

    V.B. Z X1 X2 S1 S2 R1 R2 Solución
    Z 1 0 0 0 0 -1 -1 0
    R1 0 2 3 -1 0 1 0 36
    R2 0 3 6 0 -1 0 1 60

    V.B. Z X1 X2 S1 S2 R1 R2 Solución
    Z 1 5 9 -1 -1 0 0 96
    R1 0 2 3 -1 0 1 0 36
    R2 0 3 6 0 -1 0 1 60

    V.B. Z X1 X2 S1 S2 R1 R2 Solución
    Z 1 1/2 0 -1 1 /2 0 3/2 6
    R1 0 1/2 0 -1 1 /2 1 -1/2 6
    X2 0 1/2 1 0 -1/6 0 1/6 10

    V.B. Z X1 X2 S1 S2 R1 R2 Solución
    Z 1 0 0 0 0 -1 -1 0
    X1 0 1 0 -2 1 2 -1 12
    X2 0 0 1 1 -2/3 -1 2/3 4

    FASE II.

    Minimizar

    V. Básica Z X1 X2 S1 S2 Solución
    Z 1 -2000 -500 0 0 0
    X1 0 1 0 -2 1 12
    X2 0 0 1 1 -2/3 4

    V. Básica Z X1 X2 S1 S2 Solución
    Z 1 0 0 -3500 5000/3 26000
    X1 0 1 0 -2 1 12
    X2 0 0 1 1 -2/3 4

    V. Básica Z X1 X2 S1 S2 Solución
    Z 1 -5000/3 0 -500/3 0 6000
    S2 0 1 0 -2 1 12
    X2 0 2/3 1 -1/3 0 12

    También podría gustarte