optimización de procesos - polytechnique montréal ... · repaso de Álgebra lineal • la...
TRANSCRIPT
![Page 1: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/1.jpg)
Optimización de Procesos
![Page 2: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/2.jpg)
Tier I: Métodos Matemáticos de Optimización
Sección 2:Programación Lineal
![Page 3: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/3.jpg)
Programación Lineal (Linear Programming, LP)
• La programación lineal (optimización lineal) es el área de problemas de optimización con funciones objetivo y restricciones lineales
Ejemplo:minimizar: f(x) = 6x1 + 5x2 + 2x3 + 7x4sujeta a: 2x1 + 8x3 + x4 ≥ 20
x1 – 5x2 – 2x3 + 3x4 = -5
![Page 4: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/4.jpg)
• Ninguna de las variables está multiplicada por otra variable, elevada a una potencia o usada en una función no linear
• Puesto que la función objetivo y las restricciones son lineales, son convexas. Entonces, si la solución óptima de un problema de LP es encontrada, ésta es el óptimo global.
Programación Lineal continuación
![Page 5: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/5.jpg)
Forma estándar de LP
• Forma estándar de LP:minimizar: f = cxsujeta a: Ax = b
xi ≥ 0; i = 1, …, ndonde c es llamada el vector costo (1 por n), x es
el vector de variables (n por 1), A es la matriz de coeficientes (m por n), y b es un vector de constantes dadas m por 1.
![Page 6: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/6.jpg)
Bases de la Forma Estándar
• Para un problema de maximización, podemos transformar usando:
max(f(x)) ⇔ min(-f(x))
• Para restricciones de desigualdad, se usan variables "flojas":
2x1 + 3x2 ≤ 5 ⇔ 2x1 + 3x2 + s1 = 5donde s1 ≥ 0
![Page 7: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/7.jpg)
Usando Variables flojasCuando transformamos la ecuación
2x1 + 3x2 ≤ 5 to 2x1 + 3x2 + s1 = 5Si el lado izquierdo (left-hand side, LHS) (2x1 + 3x2)
es menor que el lado derecho (right-hand side, RHS) (5), entonces s1 tomará un valor positivo para hacer la igualdad verdadera. Mientras el valor del LHS sea más cercano al RHS, más pequeño será el valor de s1. Si el LHS es igual al RHS, s1 = 0. s1 no puede ser negativo porque el LHSno puede ser mayor que el RHS.
![Page 8: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/8.jpg)
Ejemplo de Forma Estándar
Ejemplo:Escrito en Forma Estándar:
maximizar: f = x1 + x2
sujeta a: 2x1 + 3x2 ≤ 6x1 + 7x2 ≥ 4x1 + x2 = 3
x1 ≥ 0, x2 ≥ 0Definir las variables flojas x3 ≥ 0 & x4 ≥ 0
![Page 9: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/9.jpg)
Ejemplo de Problema Reescrito
El problema ahora puede escribirse:minimizar: g = –x1 – x2
sujeta a: 2x1 + 3x2 + x3 = 6x1 + 7x2 – x4 = 4x1 + x2 = 3
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
[ ]0011 −−=c⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
346
b⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=00111071
0132A
![Page 10: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/10.jpg)
Repaso de Álgebra Lineal
• La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la base de los métodos usados para resolver problemas de optimización lineal
![Page 11: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/11.jpg)
Vectores e Independencia Lineal
• Vectores– Un vector k es una columna o fila o un arreglo de
columnas de k números. Tiene una dimensión de k. • Independencia Lineal (Linear Independence, LI)
– Una recopilación de vectores a1, a2, …, ak, cada uno de dimensión n, es llamado linealmente independiente si la
significa que para j=1, 2, …, k
∑=
=k
jjj
10aλ
0=jλ
![Page 12: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/12.jpg)
Independencia LinealContinuación
• En otras palabras, un grupo de vectores es linealmente independiente si un vector no puede escribirse como una combinación de cualquiera de los otros vectores.
• El número máximo de vectores LI en un espacio n-dimensional es n.
![Page 13: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/13.jpg)
Por ejemplo, en un espacio de 2 dimensiones:
Los vectores y no son
Linealmente independientes porque x2 = 5x1.
son LI porque no hay
Una constante que puedas multiplicar para obtener la otra.
⎥⎦
⎤⎢⎣
⎡=
54
1x ⎥⎦
⎤⎢⎣
⎡=
2520
2x
⎥⎦
⎤⎢⎣
⎡=
20
1x ⎥⎦
⎤⎢⎣
⎡=
13
2xy
Independencia LinealContinuación
![Page 14: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/14.jpg)
• Se dice que un grupo de vectores a1, a2, …, ak en un espacio n-dimensional abarca el espacio si cualquier otro vector en el espacio puede escribirse como una combinación lineal de vectores
• En otras palabras, para cada vector b, deben existir escalares λ1, λ2, …, λk tales que
Grupos de Cobertura
∑=
=k
jjj
1ab λ
![Page 15: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/15.jpg)
Bases
• Se dice que un grupo de vectores es una base para un espacio n-dimensional si:
1. Los vectores abarcan el espacio2. Si cualquiera de los vectores es removido,
el grupo ya no abarcará el espacio • Una base para un espacio n-dimensional
debe tener exactamente n vectores• Pueden existir muchas bases diferentes
para un espacio dado
![Page 16: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/16.jpg)
Basescontinuación
• Un ejemplo de una base es el eje coordenado de una gráfica. Para una gráfica en 2-D, no puedes remover uno de los ejes y aún formar una línea cualquiera con solo los ejes restantes.
• O, no puedes tener tres ejes en una gráfica 2-D porque siempre puedes representar el tercero usando los otros dos.
![Page 17: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/17.jpg)
Sistemas de Ecuaciones(SOE)
• El Álgebra Lineal puede ser usada para resolver un sistema de ecuaciones
Ejemplo:2x1 + 4x2 = 8 & 3x1 – 2x2 = 11
Esto puede ser escrito como una matriz aumentada:
⎥⎦
⎤⎢⎣
⎡−
=1123842
],[ bA
![Page 18: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/18.jpg)
• Las operaciones de fila pueden ser realizadas en la matriz sin cambiar el resultado
• Operaciones de fila válidas incluyen lo siguiente:– Multiplicar una fila por una constante– Intercambiar dos filas– Sumar una fila a otra
Sistemas de EcuacionesContinuación
![Page 19: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/19.jpg)
Resolviendo SOE’s
• En el ejemplo previo, queremos cambiar la matriz A para ser triangular superior
multiplica la fila superior por ½
suma 3 veces lafila superior ala fila inferior
⎥⎦
⎤⎢⎣
⎡− 1123
842⎥⎦
⎤⎢⎣
⎡− 1123
421
⎥⎦
⎤⎢⎣
⎡−− 180421
![Page 20: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/20.jpg)
Resolviendo SOE’scontinuaciónmultiplica la fila inferior por -1/8
• De la matriz triangular superior aumentada, podemos fácilmente ver que x2 = 1/8 y usar este para obtener x1
x1 = 4 – 2 . 1/8 = 15/4
⎥⎦
⎤⎢⎣
⎡−− 180421
⎥⎥⎦
⎤
⎢⎢⎣
⎡
8110421
421 21 =+ xx
81
21 10 =+ xx⇒
![Page 21: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/21.jpg)
Matriz Invertida
• El inverso de una matriz puede ser encontrado usando operaciones de filas
Ejemplo:
Forma la matriz aumentada (A, I)
Transformala a (I, A-1)Usando operaciones de filas
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−=
211121112
A
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
100211010121001112
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−
−−
125
123
121
123
123
123
121
123
125
100010001
![Page 22: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/22.jpg)
Ecuaciones de Optimización
• Hemos visto que las restricciones pueden ser escritas en la forma .
• Debemos tener más variables que ecuaciones así que tenemos algunos grados de libertad para optimizar.– Si el número de ecuaciones es mayor o igual
que el número de variables, los valores de las variables ya están especificados.
bAx =
![Page 23: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/23.jpg)
Solución General a los SOE’s
• Dado un sistema de ecuaciones en la forma
– Asume m (número de ecuaciones) < n (número de variables) ⇒ sistema underspecified system
• Podemos separar el sistema en variables independientes (n-m) y variables dependientes (m). Los valores de las variables dependientes dependerán de los valores que elijamos para las variables independientes.
bAx =
![Page 24: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/24.jpg)
Solución General continuación
• Llamamos a las variables dependientes variables básicas porque su matriz de coeficientes A forma una base. Las variables independientes serán llamadas variables no básicas.
• Al cambiar las variables en la base, podemos cambiar las bases. Se mostraráque esto permite examinar diferentes puntos óptimos posibles.
![Page 25: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/25.jpg)
Separa la matriz A en la siguiente manera:
O,
baaa =++++ nn
mm xxx ......1
1
baa =+ ∑∑+==
n
mjj
jm
ii
i xx11
Solución General continuación
![Page 26: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/26.jpg)
Define las matrices B y N como sigue:
donde B es una matriz m por m matriz, N es una matriz m por (n-m), y aj es la columna jth de la matriz A
• B es llamada “matriz básica” y N es llamada “matriz no básica”
[ ]maaaB ...21= [ ]nmm aaaN ...21 ++=
Solución General continuación
![Page 27: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/27.jpg)
• La matriz B contiene las columnas de la matriz A que corresponden a las variables x que están en la base. Se debe mantener el orden. – Así, si x4 es la segunda variable de la base, a4
debe ser la segunda columna de la matriz B• La matriz N es solo las columnas de la
matriz A que quedan fuera.
Solución General continuación
![Page 28: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/28.jpg)
Similarmente, definey
Más adelante veremos como determinar que variables poner en la base. Este es un paso importante para examinar todas las soluciones óptimas posibles.
TmB xxx ]...[ 21=x T
nmmN xxx ]...[ 21 ++=x
Solución General continuación
![Page 29: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/29.jpg)
Ahora tenemos
Multiplica ambos lados por B-1:
Así,
bNxBx =+ NB
)()( 11NNNB xNxBbBxxx −− −==
bBNxBx 11 −− =+ NB
Solución General continuación
![Page 30: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/30.jpg)
Solución Básica
• Podemos elegir cuales quiera valores para las variables (n-m) (aquellas en xN)y entonces resolver para las variables m restantes en xB
• Si elegimos xN = 0, entoncesA esto se le llama "solución básica" del sistema
Solución Básica:
bBx 1−=B
)()( 1 0bBxxx −== NB
![Page 31: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/31.jpg)
Soluciones Básicas FactiblesAhora tenemos una solución para Ax = b.
Pero esa era solo uno de dos grupos de restricciones para el problema de optimización. El otro era: xi ≥ 0, i = 1, …, n(no-negativa)
• Una solución básica factible (basic feasible solution, BFS) es una solución básica donde cada x es no-negativaUna BFS satisface todas las restricciones
del problema de optimización
![Page 32: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/32.jpg)
Puntos Extremos
• Un punto es llamado punto extremo (extreme point, EP) si no puede ser representado como una combinación convexa estricta (0 < λ < 1) de otros dos puntos factibles.
• Recuerda: una combinación convexa de dos puntos es una línea entre ellos.
• Entonces, un EP no puede estar en una línea de otros dos puntos factibles.
![Page 33: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/33.jpg)
• Dada una región factible, un punto extremo no puede hallarse en una línea entre dos otros puntos factibles (debe estar en un vértice)
• En un espacio n-dimensional, un punto extremo está localizado en la intersección de n restricciones
FeasibleRegion
Punto Extremo
Not Extreme Points
Puntos Extremos (Gráficos)
![Page 34: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/34.jpg)
Puntos Extremos y óptimos
• Tenemos un problema de maximización, así que queremos ir tan lejos como sea posible en la dirección del vector c(función objetivo)
• ¿Podemos determinar algo sobre la ubicación del punto óptimo?
Punto de Inicio
c
![Page 35: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/35.jpg)
• Si iniciamos en una línea, podemos movernos a lo largo de la línea en la dirección de la función objetivo hasta llegar a un vértice
• De hecho, para cualquier vector c, el punto óptimo siempre será en un vértice
c
Puntos Extremos y óptimos
![Page 36: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/36.jpg)
Soluciones Básicas Factibles (Basic Feasible Solutions, BFS)
• En un espacio n-dimensional, una BFS es formada por la intersección de n ecuaciones.
• En 2-D:Restricción 1
Restricción 2
Solución Básica Factible
• Pero, solo vimos que un punto extremo es también el punto en un vértice. Entonces, unaBFS corresponde a un EP.
![Page 37: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/37.jpg)
Enlazándolos
• Acabamos de ver que una solución básica factible corresponde a un punto extremo.
• Esto es muy importante porque para los problemas de LP , el punto óptimo es siempre un punto extremo.
• Entonces, si podemos resolver para todos las BFS's (EP's), podemos comprarlos para encontrar el óptimo. Desafortunadamente, esto toma mucho
tiempo.
![Page 38: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/38.jpg)
Introducción al Método Simplex
• El método simplex es el método más común para resolver problemas de LP.
• Trabaja encontrando una BFS; determinando si ésta es óptima; y si no lo es, se mueve a una "mejor" BFS hasta que la óptima es alcanzada.
• De esta manera, no tenemos que calcular cada solución.
![Page 39: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/39.jpg)
Álgebra del Método Simplex
Recuerda:
NNBBf xcxccx +==
bBNxBx 11 −− =+ NB bBaBx 11 −
∈
−∑ =+⇒Nj
jj
B x
Suma global de las variables no básicas
∑ ∑∈ ∈
−− +−=Nj Nj
jjjj
B xcxf )( 11 aBbBc
sustituir ∑∈
−− −=Nj
jj
B xaBbBx 11
Función Objetivo:
en la ecuación de arriba:
![Page 40: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/40.jpg)
Álgebra del Método Simplex
∑∈
− −+=⇒Nj
jjjB xzcf )(1bBc
jBjz aBc 1−=donde
∑∈
−− −+=Nj
jj
BjB xcf )( 11 aBcbBc
Multiplica y colecta términos xj:
![Page 41: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/41.jpg)
Ecuaciones del Método Simplex
Minimiza
Si (cj – zj) ≥ 0 para todo j ∈ N, entonces la BSF actual es optima para un problema de minimización.
Porque, si fuera < 0 para cualquier j, esa variable no básica, xj, podría entrar la base y reducir la función objetivo.
∑∈
− −+=Nj
jjjB xzcf )(1bBc
bBaBx 11 −
∈
−∑ =+Nj
jj
B xSujeta a:
![Page 42: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/42.jpg)
Variables Entrantes
• Una variable no básica puede entrar en la base y reemplazar una de las variables básicas
• Puesto que xN = 0, y no tenemos restricciones no negativas, la variable entrante debe incrementar su valor.
• El valor de la variable entrante se incrementará, reduciendo la función objetivo, hasta que una restricción sea cumplida.
![Page 43: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/43.jpg)
Ecuación de Variable Entrante
• La ecuación para determinar cual variable entra es: . Calculada para todos los índices no básicos j
• Para un problema de minimización, elige el índice j para el que cj - zj es el más negativo– Si cj - zj ≥ 0 para todo j, la solución es óptima
• Para un problema de maximización, elige el índice j para el que cj - zj es el más positivo– Si cj - zj ≤ 0 para todo j, la solución es óptima
jjjT
Bj zcc −=− − aBc 1
![Page 44: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/44.jpg)
Variables salientes (LeavingVariables)
• Mientras el valor de la variable entrante se incrementa, usualmente el valor de al menos una variable básica decrecerá– Si no, el problema es llamado "no ligado" y el
valor de la función mínima objetivo es -∞• La variable cuyo valor alcanza el cero
primero será la variable que deja la base
![Page 45: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/45.jpg)
Variable Entrantes y Salientes
• Ejemplo: x1 está entrando en la base mientras que x2, x3 y x4 son las variables básicas actuales
Cuando x2 llegue a cero, debemos parar dsebido a las restricciones no negativas. Pero, ahora x2 = 0, así que es una variable no básica y x1 > 0, asíque es una variable básica. Entonces, x2 deja la base y x1 entra en la base.
x1
x2
x3
x4
![Page 46: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/46.jpg)
Ecuación de Variable Saliente
• Consideremos a j como el índice de la variable que está entrando a la base y a i*
como el índice de la variable que estádejando la base
Esto significa que, para cada índice i que esté en la base y que tenga , se calcula . El índice del valor que es el mínimo es el índice de la variable saliente.
⎭⎬⎫
⎩⎨⎧
>= −−
−
0)()()(argmin 1
1
1*
ij
ij
i aBaBbBi
ij
i
)()(
1
1
aBbB
−
−0)( 1 >−
ijaB
![Page 47: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/47.jpg)
Ecuación de Variable Saliente
La expresión previa es obtenida de la ecuación:
que aplica cuando una restricción es cumplida
0aBbBx =−= −−j
jB x11
![Page 48: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/48.jpg)
El Ejemplo Revisado
• x2, x3, y x4 inician en (B-1b)i ; (i=2, 3, 4) y tienen pendientes de (–B-1aj)i ; (i=2, 3, 4) donde j=1porque 1 es el índice de la variable entrante (x1)
• Entonces, la distancia a la que podemos ir antes de que la variable básica alcance el valor de cero es para B-1a1 > 0. Pero, si (B-1a1)i < 0 (como x3), nunca alcanzará el cero.
x1
x2
x3
x4
i
i)(
)(11
1
aBbB
−
−
![Page 49: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/49.jpg)
• Podemos también ver como, si ninguna de las variables decrece, podemos mantener x1 incrementándose y mejorar la función objetivo sin siquiera cumplir una restricción –Esto da una solución desligada
x1
x2
x3
x4
El Ejemplo Revisado
![Page 50: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/50.jpg)
Problema de Ejemplo
Minimizar f = -x1 – x2
Sujeta a: x1 + x2 ≤ 52x1 – x2 ≤ 4x1 ≤ 3 ; x1, x2 ≥ 0
Dados: La base inicial es x1, x2, y x3.
Insertar variables flojas x3, x4, y x5.
![Page 51: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/51.jpg)
Ejemplo
Minimizar f = -x1 – x2
Sujeta a: x1 + x2 + x3 = 52x1 – x2 + x4 = 4x1 x5 = 3
x1, x2, x3, x4, x5 ≥ 0
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛−=
100010101200111
A⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=
345
b ( )00011 −−=c
![Page 52: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/52.jpg)
1a Iteración:
( )⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛−==
001012111
321 aaaB
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−== −
023
345
311210100
1bBxB
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−=
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛−=
−
−
311210100
001012111 1
1B
( ) 5023
011 −=⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛−−== BBf xc
Ejemplo
![Page 53: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/53.jpg)
Ahora, revisa la optimización
x4:
x5:
( ) 110010
311210100
0110414 −=−=
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−−−−=− − aBcBc
( ) 3)3(0100
311210100
0110515 =−−=
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−−−−=− − aBcBc
< 0
> 0
Ejemplo
![Page 54: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/54.jpg)
Entonces, x4 entra a la base puesto que su indicador de optimización es < 0.
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=−
023
)( 1bB 3)( 11 =⇒ − bB 2)( 2
1 =− bB 0)(& 31 =− bB
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛−=
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−==⇒= −−
11
0
010
311210100
4 411 aBaB jj
Ejemplo
![Page 55: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/55.jpg)
Entonces, x3 es la variable saliente
{ } 310//argmin0)(
)()(argmin 1
1
1* ==
⎭⎬⎫
⎩⎨⎧
>= −−
−
ANANaBaBbBi i
j
ij
i
3)( 11 =− bB 2)( 2
1 =− bB 0)( 31 =− bB
0)( 141 =− aB 1)( 2
41 −=− aB 1)( 341 =− aB
0> 0> 0>
Ejemplo
![Page 56: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/56.jpg)
2a Iteración:
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛−=
001112011
B
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−== −
023
345
311101
1001bBxB
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−=−
311101
1001B
( ) 5023
011 −=⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛−−== BBf xc
a4 ha sido sustituida por a3
Ejemplo
![Page 57: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/57.jpg)
Indicadores de Optimización:
x3:
x5:
( ) 01)1(0001
311101
100011031
3 ≥=−−=⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−−−−=− − aBcBc
( ) 0000100
311101
100011051
5 ≥=−=⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−−−−−=− − aBcBc
Ejemplo
![Page 58: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/58.jpg)
Solución al Ejemplo
Todos los indicadores son ≥ 0, así que esta es la solución óptima.
Entonces, 5* −=f
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=
023
4
2
1*
xxx
Bx ⎟⎟⎠
⎞⎜⎜⎝
⎛=⎟⎟
⎠
⎞⎜⎜⎝
⎛=
00
5
3*
xx
Nx
![Page 59: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/59.jpg)
Pasos del Algoritmo Simplex
1. Con la base elegida, obtén B y resuelve xB = B-1b y f = cBxB.
2. Calcula cj – zj para todas las variables no básicas, j.
– Para un problema de min., si todo cj – zj’s are ≥ 0, la solución actual es óptima. Si no, elige el índice con el cj – zj mas negativo.
– Para un problema de max., si todos los cj –zj's son ≤ 0, la solución actual es óptima. Si no es así, elige el índice con el cj – zj más positivo.
![Page 60: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/60.jpg)
Pasos del Algoritmo Simplex
3. Usando la ecuación elige la variable saliente.
– Si todos los (B-1aj)i’s son ≤ 0, entonces la solución es desligada
4. Deja que xj entre a la base y que xi* deje la base. Obtén la nueva matriz B y comienza nuevamente con el paso 1.
⎭⎬⎫
⎩⎨⎧
>= −−
−
0)()()(argmin 1
1
1*
ij
ij
i aBaBbBi
![Page 61: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/61.jpg)
Eligiendo una Base Inicial
• En el ejemplo, se nos dio una base inicial. ¿Cómo podemos obtener una por nosotros mismos?
• Caso #1: problema de max (o min) con1. Ax ≤ b (todas desigualdades≤ ) y 2. Todas las entradas del vector b son ≥ 0.
Inserta variables flojas en las ecuaciones de restricción y usa la matriz de identidad
resultante como la base inicial
![Page 62: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/62.jpg)
Eligiendo una Base Inicial
Consideremos s = vector de variables flojasEl problema se convertirá en
0scx +=⎭⎬⎫
⎩⎨⎧
fminmax
bIsAx =+,0x ≥ 0s ≥
Sujeta a
Donde I = La matriz de Identidad
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
=
10...0001...00
00...1000...01
. . .
. . .
. . .
![Page 63: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/63.jpg)
Elige las variables flojas como la base inicialLa matriz base inicial(B) está conformada
por los coeficientes de las variables flojas. Esto es la matriz de identidad.
Podemos observar que la base inicial es factible(xB ≥ 0): IB =
0bIbbIbBx ≥==== −− 11B
Eligiendo una Base Inicial
![Page 64: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/64.jpg)
Problema #2 de Ejemplo
Minimizar -x1 – 3x2
Sujeta a 2x1 + 3x2 ≤ 6-x1 + x2 ≤ 1 x1, x2 ≥ 0
Inserta variables flojas:2x1 + 3x2 + x3 = 6-x1 + x2 + x4 = 1
x1, x2, x3, x4 ≥ 0
⎥⎦
⎤⎢⎣
⎡−
=10110132
A ⎥⎦
⎤⎢⎣
⎡=
16
b [ ]0031 −−=c
Matriz de Identidad
0≥
![Page 65: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/65.jpg)
Ejemplo #2
Usa las variables flojas como la base inicial:
[ ] ⎥⎦
⎤⎢⎣
⎡==
100143 aaB ⎥
⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=
−−
1001
1001 1
1B
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡== −
16
16
10011bBxB [ ] 0
16
00 =⎥⎦
⎤⎢⎣
⎡== BBf xc
&
![Page 66: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/66.jpg)
Indicadores de Optimización:
j=1:
j=2:
[ ] 1011
21001
00111111 −=−−=⎥
⎦
⎤⎢⎣
⎡−⎥
⎦
⎤⎢⎣
⎡−−=−=− − aBcczc B
[ ] 30313
1001
00321222 −=−−=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡−−=−=− − aBcczc B
c2 - z2 es el más negativo, así que x2 entra a la base
Ejemplo #2
![Page 67: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/67.jpg)
⎥⎦
⎤⎢⎣
⎡=−
16
)( 1bB 6)( 31 =⇒ − bB 1)(& 4
1 =− bB
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡==⇒= −−
13
13
1001
2 211 aBaB jj
x2 está entrado a la base
Ejemplo #2
![Page 68: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/68.jpg)
{ } { } 412argmin11
36argmin0)(
)()(argmin 1
1
1* ===
⎭⎬⎫
⎩⎨⎧
>= −−
−
ij
ij
i aBaBbBi
6)( 31 =− bB 1)( 4
1 =− bB
Entonces, x4 es la variable saliente.
3)( 321 =− aB 1)( 4
21 =− aB
Ejemplo #2
![Page 69: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/69.jpg)
2a Iteración:
[ ] ⎥⎦
⎤⎢⎣
⎡==
103123 aaB ⎥
⎦
⎤⎢⎣
⎡ −=⎥
⎦
⎤⎢⎣
⎡=
−−
1031
1031 1
1B
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡ −== −
13
16
10311bBxB [ ] 3
13
30 −=⎥⎦
⎤⎢⎣
⎡−== BBf xc
x2 reemplazó a x4
Ejemplo #2
![Page 70: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/70.jpg)
Indicadores de Optimización:
j=1:
j=4:
Entonces, x1 entra a la base
[ ] 4311
21031
30111111 −=−−=⎥
⎦
⎤⎢⎣
⎡−⎥
⎦
⎤⎢⎣
⎡ −−−−=−=− − aBcczc B
[ ] 3)3(010
1031
30041444 =−−=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡ −−−=−=− − aBcczc B
Ejemplo #2
![Page 71: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/71.jpg)
Variable Saliente:
Entonces, x3 deja la base y x1 lo reemplaza.
⎥⎦
⎤⎢⎣
⎡=−
13
)( 1bB 3)( 31 =∴ − bB 1)(& 2
1 =− bB
⎥⎦
⎤⎢⎣
⎡−
=⎥⎦
⎤⎢⎣
⎡−⎥
⎦
⎤⎢⎣
⎡ −=⇒= −
15
12
1031
1 1 jj aB
{ } 3/53argmin0)(
)()(argmin 1
1
1* ==
⎭⎬⎫
⎩⎨⎧
>= −−
−
ANaBaBbBi i
j
ij
i
0>
Ejemplo #2
![Page 72: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/72.jpg)
3a Iteración:
[ ] ⎥⎦
⎤⎢⎣
⎡−
==113221 aaB ⎥
⎦
⎤⎢⎣
⎡ −=⎥
⎦
⎤⎢⎣
⎡−
=−
−
4.02.06.02.0
1132 1
1B
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡ −== −
6.16.0
16
4.02.06.02.01bBxB
[ ] 4.56.16.0
31 −=⎥⎦
⎤⎢⎣
⎡−−== BBf xc
Ejemplo #2
![Page 73: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/73.jpg)
Indicadores de Optimización:
j=3:
j=4:
Ambos cj-zj’s son ≥ 0, entonces la solución actual es óptima
[ ] 8.0)8.0(001
4.02.06.02.0
31031333 =−−=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡ −−−−=−=− − aBcczc B
[ ] 6.0)6.0(010
4.02.06.02.0
31041444 =−−=⎥
⎦
⎤⎢⎣
⎡⎥⎦
⎤⎢⎣
⎡ −−−−=−=− − aBcczc B
[ ]006.16.0* =x 4.5* −=f
Ejemplo #2
![Page 74: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/74.jpg)
Esta gráfica muestra el procedimiento seguido.Las líneas punteadas son perpendiculares al
vector de costo, c.
⎥⎦
⎤⎢⎣
⎡00
⎥⎦
⎤⎢⎣
⎡10
⎥⎦
⎤⎢⎣
⎡6.16.0
x1
x2
c en aumento
Ejemplo #2
![Page 75: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/75.jpg)
• Puesto que estamos minimizando, fuimos en la dirección opuesta como el vector costo
⎥⎦
⎤⎢⎣
⎡00
⎥⎦
⎤⎢⎣
⎡10
⎥⎦
⎤⎢⎣
⎡6.16.0
x1
x2
C en aumento
Ejemplo #2
![Page 76: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/76.jpg)
Más sobre Bases Iniciales
• Caso #2: problema de max (o min) con:1. Ax ≥ b (al menos algunas restricciones ≥) y 2. Todas las entradas del vector b son ≥ 0
Suma variables flojas para convertir el problema en
Ax – Is = b x, s ≥ 0.
No podemos usar el mismo truco que antes porque ahora tenemos una matriz de identidad negativa como matriz B.
![Page 77: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/77.jpg)
Caso #2continuación
• Método de 2 fases:Introduce “variables artificiales” (y) donde se
requiera obtener una matriz de identidad. Si todas las restricciones fueran ≥, el problema se convertiría en:
Ax – Is + Iy = b x, s, y ≥ 0
![Page 78: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/78.jpg)
Variables Artificiales
• Las variables artificiales no son variables reales.
• Las usamos solo para obtener una base inicial, así que debemos deshacernos de ellas.
• Para deshacernos de ellas, resolvemos un problema extra de optimización antes de comenzar a resolver el problema normal.
![Page 79: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/79.jpg)
Método de 2 Fases
Fase 1:Resuelve la siguiente LP comenzando con
B = I y xB = y = b:Minimiza ySujeta a: Ax – Is + Iy = b x, s, y ≥ 0Si y ≠ 0 en el punto óptimo, detente – el
problema no es factible. Si y = 0, entonces usa la base actual y continua con la fase 2.
![Page 80: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/80.jpg)
Fase 2:Usando la función objetivo del problema
original, cambia el vector c y continua resolviendo usando la base actual.
Minimiza (o Maximiza) cxSujeta a: Ax – Is = b x, s ≥ 0
Método de 2 Fases Continuación
![Page 81: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/81.jpg)
Variables Artificiales vs. flojas
• Las variables flojas son variables reales que pueden ser positivas en una solución óptima, lo que significa que su restricción es una desigualdad estricta (< o >) en el punto óptimo.
• Las variables artificiales no son variables reales. Éstas están solo insertadas para darnos una base inicial para comenzar el método simplex. Se deben volver cero para tener una solución factible del problema original.
![Page 82: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/82.jpg)
Ejemplo 1 de Variable Artificial (AV)
• Considera las restricciones:x1 + 2x2 ≥ 4
-3x1 + 4x2 ≥ 52x1 + x2 ≤ 6 x1, x2 ≥ 0
• Introduce variables flojas:x1 + 2x2 – x3 = 4
-3x1 + 4x2 – x4 = 52x1 + x2 + x5 = 6
![Page 83: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/83.jpg)
Ejemplo 1. AV
Como observamos, no podemos obtener una matriz de identidad en los coeficientes ni números positivos en el lado derecho. Necesitamos agregar variables artificiales:
x1 + 2x2 – x3 + y1 = 4-3x1 + 4x2 – x4 + y2 = 52x1 + x2 + x5 = 6
![Page 84: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/84.jpg)
Ahora tenemos una matriz de identidad, hecha de las columnas de coeficientes de y1, y2, y x5.
Resolveremos el problema con el objetivo de minimizar y1 + y2 para librarnos de las variables artificiales, después usamos cualquier base que obtengamos y continuamos resolviendo, usando la función objetivo original.
Ejemplo 1. AV
![Page 85: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/85.jpg)
Ejemplo 2 de Variable Artificial (AV)
• Considera las restricciones:x1 + 2x2 – 5x3 ≥ -43x1 – x2 + 3x3 ≤ 2-x1 + x2 + x3 = -1 x1, x2, x3 ≥ 0
• Introduce variables flojas:x1 + 2x2 – 5x3 – x4 = -43x1 – x2 + 3x3 + x5 = 2-x1 + x2 + x3 = -1
![Page 86: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/86.jpg)
Ejemplo 2 de AV
No tenemos que agregar variables artificiales para la primera restricción si multiplicamos por -1.
Cuando multiplicamos la última restricción por -1 y agregamos una variable artificial, tenemos:
-x1 – 2x2 + 5x3 + x4 = 43x1 – x2 + 3x3 + x5 = 2x1 – x2 – x3 + y1 = 1
x1, x2, x3, x4, x5, y1 ≥ 0
![Page 87: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/87.jpg)
Manipulación de Restricciones
Entonces, después de agregar variables flojas, debemos hacer que los números del lado derecho sean positivos. Así que agregamos variables artificiales si las necesitamos.
![Page 88: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/88.jpg)
Ejemplo 3 de Variable Artificial (AV)
• Considera el problema:Maximizar -x1 + 8x2
Sujeta a: x1 + x2 ≥ 1-x1 + 6x2 ≤ 3
x2 ≤ 2 x1, x2 ≥ 0
![Page 89: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/89.jpg)
Ejemplo 3 de AV
Inserta variables flojas:x1 + x2 – x3 = 1-x1 + 6x2 + x4 = 3
x2 + x5 = 2
Ahora necesitamos una variable artificial en la 1a restricción.
![Page 90: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/90.jpg)
Ejemplo 3 de AV
Inserta una variable artificial:
x1 + x2 – x3 + y1 = 1-x1 + 6x2 + x4 = 3
x2 + x5 = 2
![Page 91: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/91.jpg)
Entonces, la Fase 1 es:Minimizar y1
Sujeta a: x1 + x2 – x3 + y1 = 1-x1 + 6x2 + x4 = 3
x2 + x5 = 2
Nuestra base inicial es: y1, x4, y x5.
Ejemplo 3 de AV
![Page 92: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/92.jpg)
[ ]⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡==
100010001
546 aaaB⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
−
−
100010001
100010001 1
1B
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡== −
231
231
100010001
1bBxB [ ] 1231
001 =⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡== BBf xc
&
[ ]100000=c⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
231
b
Ejemplo 3 de AV
![Page 93: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/93.jpg)
Indicadores de Optimización:
j=1:
j=2:
j=3:
[ ] 11001
1
100010001
001011111 −=−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=−=− − aBcczc B
[ ] 110161
100010001
001021222 −=−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=−=− − aBcczc B
[ ] 110001
100010001
001031333 =+=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=−=− − aBcczc B
Ejemplo 3 de AV
![Page 94: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/94.jpg)
Es un vínculo entre x1 y x2 – elige x1 para entrar a la base
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=−
231
)( 1bB1)( 6
1 =⇒ − bB3)( 4
1 =− bB
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡==⇒= −−
01
1
01
1
100010001
1 111 aBaB jj
x1 está entrando a la base
2)(& 51 =− bB
Ejemplo 3 de AV
![Page 95: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/95.jpg)
6//11argmin0)(
)()(argmin 1
1
1* =
⎭⎬⎫
⎩⎨⎧=
⎭⎬⎫
⎩⎨⎧
>= −−
−
ANANaBaBbBi i
j
ij
i
1)( 61 =− bB 3)( 4
1 =− bB
Así que x1 reemplaza a y1 en la base
1)( 621 =− aB 1)( 4
21 −=− aB
2)( 51 =− bB
0)( 521 =− aB
0> 0>0>
Ejemplo 3 de AV
![Page 96: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/96.jpg)
[ ]⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−==
100011001
541 aaaB⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=
−
−
100011001
100011001 1
1B
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡== −
241
231
100011001
1bBxB [ ] 0241
000 =⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡== BBf xc
Ejemplo 3 de AV
![Page 97: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/97.jpg)
Indicadores de Optimización:
j=2:
j=3:
j=6: [ ] 00001
1
100011001
000011111 =−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=−=− − aBcczc B
[ ] 000161
100011001
000021222 =−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=−=− − aBcczc B
[ ] 000001
100011001
000031333 =−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=−=− − aBcczc B
Ejemplo 3 de AV
![Page 98: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/98.jpg)
Todos los indicadores de optimización son ≥0, así que esta es una solución óptima.
Entonces, mantenemos esta base y cambiamos la función objetivo por la original:
Maximizar –x1 + 8x2
Nuestra base todavía es x1, x4, y x5.
Ejemplo 3 de AV
![Page 99: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/99.jpg)
Volviendo al problema original:
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=−
100011001
1B⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡== −
241
1bBxB
[ ] 1241
001 −=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−== BBf xc
[ ]00081−=c
La base sigue siendo la misma
Ejemplo 3 de AV
![Page 100: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/100.jpg)
Indicadores de Optimización:
j=2:
j=3:
[ ] 718161
100011001
001821222 =+=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−=−=− − aBcczc B
[ ] 110001
100011001
001031333 −=−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−=−=− − aBcczc B
Puesto que estamos maximizando, buscamos el más positivo. Entonces, x2 entra en la base.
Ejemplo 3 de AV
![Page 101: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/101.jpg)
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=−
241
)( 1bB1)( 1
1 =⇒ − bB4)( 4
1 =− bB
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡==⇒= −−
171
161
100011001
2 211 aBaB jj
x2 está entrando a la base
2)(& 51 =− bB
Ejemplo 3 de AV
![Page 102: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/102.jpg)
412
74
11argmin0)(
)()(argmin 1
1
1* =
⎭⎬⎫
⎩⎨⎧=
⎭⎬⎫
⎩⎨⎧
>= −−
−
ij
ij
i aBaBbBi
1)( 51 =− bB 4)( 4
1 =− bB
1)( 121 =− aB 7)( 4
21 =− aB
2)( 51 =− bB
1)( 521 =− aB
MínimoDe este modo x4 deja la base
Ejemplo 3 de AV
![Page 103: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/103.jpg)
Indicadores de Optimización:
j=3:
j=4: [ ] 000010
1143.0143.00143.0143.00143.0857.0
001041444 =−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−−−=−=− − aBcczc B
[ ] 857.0001
1143.0143.00143.0143.00143.0857.0
001031333 −=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−−−=−=− − aBcczc B
Ejemplo 3 de AV
![Page 104: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/104.jpg)
[ ]⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−==
110061011
521 aaaB⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−=−
1143.0143.00143.0143.00143.0856.0
1B
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−== −
429.1571.0429.0
231
1143.0143.00143.0143.00143.0856.0
1bBxB
[ ] 143.4429.1571.0429.0
081 =⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−== BBf xc
Ejemplo 3 de AV
![Page 105: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/105.jpg)
Ejemplo 3 de Variable Artificial
Todos los indicadores de optimización son ≤0, por lo tanto esta es la solución óptima:
⎥⎥⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢⎢⎢
⎣
⎡
=
429.100571.0429.0
*x 143.4* =f
![Page 106: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/106.jpg)
Condiciones KKT
• Las condiciones Karush-Kuhn-Tucker(KKT) pueden ser usadas para ver la optimización gráficamente
• Las usaremos más posteriormente en programación no linear, pero podemos usar una versión simplificada aquí
![Page 107: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/107.jpg)
Condiciones KKT para LP
• Cambia las restricciones para que todas ellas sean restricciones ≥.
• El punto óptimo es el punto donde el gradiente de la función objetivo se encuentra dentro del cono formado por los vectores normal a las restricciones que se intersectan.
![Page 108: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/108.jpg)
Condiciones KKT
• Recordatorio: – El gradiente (∇) de una función f con n
variables es calculada como sigue:
⎥⎦
⎤⎢⎣
⎡∂∂
∂∂
∂∂
=∇nx
fxf
xff ...,,
21
Ejemplo:32
21 5)(3 xxxf +=
[ ]231 5,5,6 xxxf =∇
![Page 109: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/109.jpg)
Ejemplo de Restricciones KKT
• Ejemplo: En el problema #2 de ejemplo, tenemos el problema:
Minimizar f = -x1 – 3x2
Sujeta a: 2x1 + 3x2 ≤ 6-x1 + x2 ≤ 1
x1, x2 ≥ 0
El gradiente de la función de costo, -x1 – 3x2es: ( )3,1 −−==∇ cf
![Page 110: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/110.jpg)
Ejemplo KKTPreviamente, vimos que este problema luce
como sigue:
Restricción 1
Restricción 2
x1
x2
Puntos Extremos
(0, 0)
(3/5, 8/5)
(0, 1)
(3, 0)
![Page 111: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/111.jpg)
Cambia todas las restricciones para que sean ≥:
g1: -2x1 – 3x2 ≥ -1g2: x1 – x2 ≥ -1g3: x1 ≥ 0g4: x2 ≥ 0
Ejemplo KKT
![Page 112: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/112.jpg)
Los gradientes de las cuatro restricciones (contando las restricciones no negativas), g1, …, g4 son:
( )3,21 −−=∇g
( )1,12 −=∇g ( )1,04 =∇g
( )0,13 =∇g
Ejemplo KKT
![Page 113: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/113.jpg)
La gráfica del problema con las normales de las restricciones se convierte en:
x1
x2
(0, 0)
(3/5, 8/5)
(0, 1)
(3, 0)
∇g1∇g2
∇g3
∇g2
∇g3
∇g4
∇g1
∇g4
Restricción 1
Restricción 2 El gradiente correspondiente a cada restricción (∇gi) es perpendicular a la restricción i.
Ejemplo KKT
![Page 114: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/114.jpg)
c = (-1, -3) se ve así:
Entonces, cualquier cono en el que este vector encaje corresponde al punto extremo óptimo.
Ejemplo KKT
![Page 115: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/115.jpg)
x1
x2
(0, 0)
(3/5, 8/5)
(0, 1)
(3, 0)
∇g1∇g2
∇g3
∇g2
∇g3
∇g4
∇g1
∇g4
No encajaNo encaja
No encaja
¡Encaja!
Ejemplo KKT
![Page 116: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/116.jpg)
• De esta manera, obtenemos el mismo punto óptimo que cuando usamos el método simplex
• Éste método también puede usarse para problemas con tres variables en un espacio 3-D
• Con cuatro variables o más, la visualización no es posible y es necesario usar la definición matemática
Ejemplo KKT
![Page 117: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/117.jpg)
Definición Matemática de las Condiciones KKT para LP
Dado un problema de minimización de LP:Modificar las restricciones de manera que
tengamos: ,0)( ≥xig mi K1=
Donde gi(x) es la ecuación lineal de restricción i.La bi que estaba en el lado derecho del signo de desigualdad es movida al lado izquierdo e incluida en gi.
![Page 118: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/118.jpg)
Si existe una solución para x* y las λi’s para las condiciones de abajo, entonces x* es el óptimo global
)()( **11 xx mm ggcf ∇⋅++∇⋅==∇ λλ K
,0)( * =⋅ xii gλ
,0)( * ≥xig
,0≥iλ
mi K1=
mi K1=
mi K1=
Ecuación 1
Ecuación 2
Ecuación 3
Ecuación 4
Definición Matemática de las Condiciones KKT para LP
![Page 119: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/119.jpg)
Explicación de la Ecuación 1
• La Ecuación 1 establece matemáticamente que el vector de la función objetivo debe hallarse dentro del cono formado por los vectores normales a las restricciones activas en el punto óptimo
![Page 120: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/120.jpg)
• La Ecuación 2 fuerza a λi a ser cero para todas las restricciones inactivas – llamada la condición de “soltura complementaria”– Si la restricción es activa, gi(x*) = 0, entonces λi puede ser positiva y ∇gi será parte del cono en la Ecuación 1.
– Si la restricción es inactiva, gi(x*) ≠ 0, entonces λi debe ser cero. ∇gi no seráincluida en el cono en la Ecuación 1 porque será multiplicada por cero.
Explicación de la Ecuación 2
![Page 121: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/121.jpg)
• La Ecuación 3 asegura que x* es factible• La Ecuación 4 asegura que la dirección
del cono es correcta.– Si las λi’s fueran negativas, el cono estaría en
la dirección opuesta. Entonces, esta ecuación previene que eso suceda.
Explicación de las Ecuaciones 3 y 4
![Page 122: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/122.jpg)
Resumen de Condiciones KKT
• Las condiciones KKT no son útiles al resolver para puntos óptimos, pero pueden ser usadas para revisar optimización y pueden ayudarnos a visualizar la optimización
• Las usaremos frecuentemente al tratar problemas de optimización no lineal in la siguiente sección
![Page 123: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/123.jpg)
Solvers de LP Automatizados
• Existen muchos programas de software disponibles que resolverán numéricamente los problemas de LP
• Microsoft Excel es un programa que resuelve problemas LP– Para ver los ejemplos de Excel para
problemas de optimización, busca y abre el archivo "solvsamp.xls" (debe estar incluido en la instalación estándar de Microsoft Office)
![Page 124: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/124.jpg)
Ejemplo #1 de LP en Excel
Resolvamos el primer ejemplo en este capítulo con Excel
El problema era:Minimizar f = -x1 – x2
Sujeta a: x1 + x2 ≤ 52x1 – x2 ≤ 4x1 ≤ 3 ; x1, x2 ≥ 0
![Page 125: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/125.jpg)
Aquí está la hoja de cálculo de Excel con los datos necesarios:
x1 x20 0
valor límiteFunción Objetivo: =-A2-B2
Restricción 1: =A2+B2 5Restricción 2: =2*A2-B2 4Restricción 3: =A2 3
En la hoja de cálculo, A2 es la celda de referencia para x1 y B2 es la referencia para x2
Ejemplo #1 de LP en Excel
![Page 126: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/126.jpg)
Puedes ver que bajo el encabezado "valor" para las restricciones y función objetivo, simplemente usamos las funciones dadas para calcular el valor de la función
x1 x20 0
valor límiteFunción Objetivo: =-A2-B2
Restricción 1: =A2+B2 5Restricción 2: =2*A2-B2 4Restricción 3: =A2 3
Ejemplo #1 de LP en Excel
![Page 127: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/127.jpg)
En el lado derecho de las restricciones, en la columna de "límite", escribimos el valor de “bi” para esa restricción
Obviamente, la función objetivo no tiene un límite
x1 x20 0
valor límiteFunción Objetivo: =-A2-B2
Restricción 1: =A2+B2 5Restricción 2: =2*A2-B2 4Restricción 3: =A2 3
Ejemplo #1 de LP en Excel
![Page 128: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/128.jpg)
Entonces, la hoja de cálculo se ve así:
Ejemplo #1 de LP en Excel
![Page 129: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/129.jpg)
• Ahora, necesitamos usar la función solver de Excel
• Busca "solver" en el menú Herramientas – Si no está ahí, ve a “complementos” (Add-Ins)
en el menú herramientas (Tools) y selecciona Solver.
Ejemplo #1 de LP en Excel
![Page 130: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/130.jpg)
La ventana del Solver debe parecerse a esta:
Ejemplo #1 de LP en Excel
![Page 131: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/131.jpg)
• Este es un problema de minimización,l entonces selecciona “Mínimo” (Min) y establece la "celda objetivo" (Set target cell) como el valor de la función objetivo
• Las variables son x1 y x2, entonces en el cuadro "Cambiando las celdas" (By Changing Cells), selecciona A2 y B2
Ejemplo #1 de LP en Excel
![Page 132: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/132.jpg)
• Ahora agrega las restricciones: – Para la "Celda de Referencia" (Cell
Reference), usa el valor de la función de restricción y para la "Restricción" (Constraint), usa el número en la columna de Límite
– Las restricciones son todas ≤, así que debes asegurarte de que “<=“ aparece entre la Celda de Referencia y los cuadros de Restricción
Ejemplo #1 de LP en Excel
![Page 133: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/133.jpg)
• Ahora, la ventana de Solver debe lucir así:
Ejemplo #1 de LP en Excel
![Page 134: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/134.jpg)
• Finalmente, presiona el botón Opciones (Options)
• Todas las variables están especificadas como positivas, así que selecciona el recuadro "Asumir no negativos" (Assume Non-Negative)
Ejemplo #1 de LP en Excel
![Page 135: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/135.jpg)
• Puesto que este es un problema de LP, selecciona el recuadro "Adoptar Modelo Lineal" (Assume Linear Model)
• Finalmente, la tolerancia por default de 5% es por lo general demasiado grande. A menos que el problema sea muy difícil, una tolerancia de 1% o incluso 0.1% estáusualmente bien.
Ejemplo #1 de LP en Excel
![Page 136: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/136.jpg)
• Da click en "Resolver" (Solve) y la ventana de Resultados de Solver debe aparecer
• Bajo "Informes" (Reports), selecciona Respuestas (Answer Report) y presiona Aceptar (OK)
• Una nueva hoja de cálculo que contiene el Informe de Respuestas (Answer Report) se ha agregado al archivo
Ejemplo #1 de LP en Excel
![Page 137: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/137.jpg)
• La hoja de cálculo con los valores óptimos debe verse así:
Ejemplo #1 de LP en Excel
![Page 138: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/138.jpg)
• Los valores para x1 y x2 son los mismos que cuando resolvimos el problema usando el método simplex
• También, si observas el Informe de Respuestas (Answer Report) puedes ver que todas las variables flojas son iguales a cero, que es lo que también obtuvimos con el método simplex
Ejemplo #1 de LP en Excel
![Page 139: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/139.jpg)
Vamos a resolver otro problema de LP con Excel:
Maximizar 5x1 – 2x2 + x3
Sujeta a: 2x1 + 4x2 + x3 ≤ 62x1 + x2 + 3x3 ≥ 2x1, x2 ≥ 0x3 no restringida en signo
Ejemplo #2 de LP en Excel
![Page 140: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/140.jpg)
Ejemplo #2 en Excel
La hoja de cálculo con las ecuaciones debe quedar como sigue:
x1 x2 x30 0 0
Valor LímiteFunción Objetivo: =5*A2-2*B2+C2
Restricción 1: =2*A2+4*B2+C2 6Restricción 2: =2*A2+B2+3*C2 2
![Page 141: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/141.jpg)
A diferencia del último ejemplo, no se especificó que todas las variables sean positivas, ase que no podemos usar la opción "Asumir no negativos" (Assume Non-Negative) para todas las variables.
Entonces tenemos que especificar manualmente que x1 y x2 son no negativas agregando dos restricciones mas
Ejemplo #2 en Excel
![Page 142: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/142.jpg)
Ahora, las fórmulas en la hoja de cálculo deben verse así:
x1 x2 x30 0 0
Valor LímiteFunción Objetivo: =5*A2-2*B2+C2
Restricción 1: =2*A2+4*B2+C2 6Restricción 2: =2*A2+B2+3*C2 2Restricción 3: =A2 0Restricción 4: =B2 0
Ejemplo #2 en Excel
![Page 143: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/143.jpg)
Ahora, abre la ventana de parámetros del solver y especifica:
• La Celda Objetivo (Target Cell), • El rango de celdas variables, • Problema de Maximización• Las restricciones
– La primera restricción es ≤ y el resto son ≥.
Ejemplo #2 en Excel
![Page 144: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/144.jpg)
Presiona el botón de Opciones y selecciona el recuadro de "Adoptar Modelo Lineal".
Recuerda, puesto que x3 no está restringida en signo, no selecciones el recuadro de "Asumir no negativos"
Puedes reducir la tolerancia si así lo deseas
Ejemplo #2 en Excel
![Page 145: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/145.jpg)
La ventana del Solver debe verse como sigue:
Ejemplo #2 en Excel
![Page 146: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/146.jpg)
Después de resolver, la hoja de cálculo debe lucir así:
Ejemplo #2 en Excel
![Page 147: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/147.jpg)
• Nota que, debido a que x3 no estaba restringida en signo, fue posible obtener un valor negativo y esto mejoró la solución
• Para ver cuanta diferencia hace esto en la solución, resuelve el problema ahora seleccionando la opción "Asumir no negativos"
Ejemplo #2 en Excel
![Page 148: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/148.jpg)
Resolviendo Problemas de LP con Excel
• De estos ejemplos, puedes ver que Excel puede ser una herramienta eficiente para usar al resolver problemas de optimización de LP
• El método para resolver problemas que fue descrito aquí es obviamente solo una manera y el usuario debe sentirse libre para experimentar y encontrar su propio estilo
![Page 149: Optimización de Procesos - Polytechnique Montréal ... · Repaso de Álgebra Lineal • La siguientes diapositivas revisan varios conceptos de álgebra lineal que son la ... •](https://reader031.vdocuments.site/reader031/viewer/2022012917/5ba3813109d3f21e368b8ba2/html5/thumbnails/149.jpg)
Referencias
• Linear Programming and Network Flows; Bazaraa, Mokhtar; John Jarvis; & HanifSherali.
• Optimization of Chemical Processes 2nd
Ed.; Edgar, Thomas; David Himmelblau; & Leon Lasdon.
• Pollution Prevention Through Process Integration; El-Halwagi, Mahmoud