Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 33 vistas

    Tabla

    Cargado por

    Juan Carlos Zeus
    El método M-grande transforma un modelo de programación lineal agregando variables artificiales para poder resolver problemas no factibles. Los pasos incluyen modificar las restricciones para hacer todos los términos no negativos, agregar variables de holgura o exceso, agregar variables artificiales a restricciones no iguales, y multiplicar las variables artificiales por un número grande M para penalizarlas en la función objetivo. Esto permite determinar si la solución original es factible o no factible al analizar si las variables artificiales son cero o positivas al resolver el modelo transformado.

    Copyright:

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

    Tabla

    Cargado por

    Juan Carlos Zeus
    33 vistas2 páginas
    El método M-grande transforma un modelo de programación lineal agregando variables artificiales para poder resolver problemas no factibles. Los pasos incluyen modificar las restricciones para hacer todos los términos no negativos, agregar variables de holgura o exceso, agregar variables artificiales a restricciones no iguales, y multiplicar las variables artificiales por un número grande M para penalizarlas en la función objetivo. Esto permite determinar si la solución original es factible o no factible al analizar si las variables artificiales son cero o positivas al resolver el modelo transformado.

    Descripción original:

    Tabla simplex

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El método M-grande transforma un modelo de programación lineal agregando variables artificiales para poder resolver problemas no factibles. Los pasos incluyen modificar las restricciones para hacer todos los términos no negativos, agregar variables de holgura o exceso, agregar variables artificiales a restricciones no iguales, y multiplicar las variables artificiales por un número grande M para penalizarlas en la función objetivo. Esto permite determinar si la solución original es factible o no factible al analizar si las variables artificiales son cero o positivas al resolver el modelo transformado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    33 vistas2 páginas

    Tabla

    Cargado por

    Juan Carlos Zeus
    El método M-grande transforma un modelo de programación lineal agregando variables artificiales para poder resolver problemas no factibles. Los pasos incluyen modificar las restricciones para hacer todos los términos no negativos, agregar variables de holgura o exceso, agregar variables artificiales a restricciones no iguales, y multiplicar las variables artificiales por un número grande M para penalizarlas en la función objetivo. Esto permite determinar si la solución original es factible o no factible al analizar si las variables artificiales son cero o positivas al resolver el modelo transformado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 2

    MÉTODO DE LA M-GRANDE

    1. Modifique las restricciones de tal manera que el segundo miembro o


    lado derecho de cada restricción sea no negativo
     Cada restricción con un segundo miembro negativo
    se multiplica por un -1 (recuerda que al hacer esto se
    invierte la desigualdad )
    2. Pasar el modelo original a la forma estándar sumando variables de
    holgura si la restricción es ≤ o restando variables de exceso si la
    restricción es ≥, tener en cuenta cuales restricciones eran ≥ ó = para
    realizar el siguiente paso
    3. En base al paso anterior, a las restricciones que fueran >= o = se les
    agrega una variable artificial
    4. Sea M un número positivo muy grande:
     Si la función objetivo es minimizar se suma (por
    cada variable artificial) MXai
     Si la función objetivo es maximizar se resta (por
    cada variable artificial) MXai

    5. Se genera un nuevo renglón 0 (el de la función objetivo), multiplicando por


    M a todas las variables de los renglones que posean una variable artificial y
    sumando estos renglones al renglón 0 actual.

    6. Resolver utilizando el método simplex

     Si las variables artificiales son igual a cero al


    terminar el método es la solución optima del modelo
    original
     Si las variables artificiales son positivas al terminar
    el método el problema original es no factible

    Ventajas

     Sirve para planeamientos cuya solución inicial no pueda ser el origen


    debido a la no pertenencia de este al conjunto de soluciones factibles.
     Puede resolver cualquier tipo de modelo.
    Desventajas

     Es computacionalmente ineficiente al ser las variables "M" muy


    grandes para hacer notar la penalización, lo cual puede llevar a errores
    de redondeo.

    También podría gustarte