SE FORMAN LAS ECUACIONES, RESTANDO VARIABLES DE HOLGURA Y SUMANDO VARIABLES ARTIFICIALES COMO SE EMPLEAN DOS VARIABLES ARTIFICIALES, LA FUNCIÓN OBJETIVO.

Slides:



Advertisements
Presentaciones similares
PROBLEMA DEL TRANSPORTE
Advertisements

Dra. Noemí L. Ruiz © Derechos Reservados
UNIVERSIDAD DE ORIENTE NUCLEO DE BOLIVAR COORDINACION GENERAL DE ESTUDIOS DE POSTGRADO POSTGRADO EN CIENCIAS ADMINISTRATIVAS MENCION FINANZAS. V COHORTE.
Propiedades de los Reales
Capítulo 28A – Circuitos de corriente directa
La mayor Comunidad de difusión del conocimiento
MODELO DE REGRESIÓN LINEAL SIMPLE
Programación entera En muchos problemas reales las variables sólo pueden tomar valores enteros Ejemplos: decisiones sobre inversiones, compras, arranques,
Modelo de transporte Ing. León A. Colina B..
MÍNIMO COMÚN MÚLTIPLO MÁXIMO COMÚN DIVISOR
Ecuaciones con Valor Absoluto
Dra. Nemí L. Ruiz Limardo © Derechos Reservados
Aritmética del Computador Introducción a la Tecnología de la Información.
Álgebra 2010 Clase N° 1 Conjuntos numéricos I
ECUACIONES LINEALES.
Método de sustitución Pasos a seguir Ejercicios resueltos
INVESTIGACION OPERATIVA Algoritmo Transporte (Programación Entera)
Razonamiento Cuantitativo
PROPIEDADES DE LOS DETERMINANTES
MÉTODO SIMPLEX.
ECUACIONES = 7 x + y = y + x x + 5 = 7 Incógnita
Minimización de Costos
MÉTODO SIMPLEX UNIVERSIDAD DE LOS ANDES
PRUEBA DE APTITUD ACADÉMICA
UNIDAD III PROGRAMACIÓN MATEMÁTICA
INVESTIGACIÓN DE OPERACIONES II
Circuitos de Conmutación
UNIDAD III PROGRAMACIÓN MATEMÁTICA
2.1 – Expresiones algebraicas
La Multiplicación..
Ecuaciones Cuadráticas
Complementos en Investigación de Operaciones
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román Departamento de Estadística e I.O. Universidad de GranadaM.J. García-Ligero Ramírez P. Román Román.
La minimización de los costes
EJEMPLO: TA=(0, 0, 0, 0, 0, 0)  cT=(3, 2, 1, 2, 2, 0)
ALGORITMO DEL SIMPLEX Paso inicial Paso iterativo Prueba de optimalidad Fin SINO.
PROCEDIMIENTO DE RESOLUCIÓN GRÁFICA PARA EL PROBLEMA DE PROGRAMACIÓN LINEAL EN DOS VARIABLES EJEMPLO 7 _________________________________ Resolución Gráfica.
Ecuaciones de primer grado Similar al ejercicio 1 propuesto
Similar al ejercicio 1 propuesto Método de sustitución
Método de Ford-Fulkerson
Curso de Hidrología Caudales Máximos II
METODO SIMPLEX El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El proceso concluye cuando no es posible.
DETERMINANTES DE UNA MATRIZ
Universidad Nacional de Ingeniería
La Multiplicación (I).
DESCOMPOSICIÓN L U Verónica Miranda, Mariano Avilés, Andrés Navarro, Katherine González.
PROGRAMA DE ALGEBRA LINEAL
Números enteros.
VALOR DE UN DETERMINANTE
Investigación Operativa
Operaciones con fracciones
Fundamentos Matematicos IV
2- SIMPLEX.
Algoritmo Simplex Dual Como sabemos, el método simplex es un algoritmo iterativo que iniciando en una solución básica factible pero no óptima, genera soluciones.
Método Simplex dos fases
Resolución de Problemas Método Simplex
MAI. Marco Vinicio Monzón Un problema de maximización se presenta en los casos en los que el interés sea optimizar el ingreso o ganancia en una empresa.
Resolución de Problemas Método Simplex
Programación Lineal Unidad 1 Parte 3.
Resolver el siguiente sistema de ecuaciones por el método de gauss jordan
Álgebra Superior Matrices Sesión II.
5. El Método Simplex En lo que sigue consideremos un problema de programación lineal en su forma estándar ³ =
Programación Lineal Antonio H. Escobar Z Universidad Tecnológica de Pereira – Colombia Posgrado en Ingeniería – Maestría/Doctorado.
Modelos de Minimización
Unidad IV. Métodos de optimización con restricciones
Método Simplex Es un procedimiento sistemático y eficiente para encontrar y probar soluciones situadas en los puntos extremos de la región de soluciones.
Dirección de Investigación y Postgrado UNEXPO REP Ú BLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD NACIONAL EXPERIMENTAL POLIT É CNICA “ ANTONIO JOS É DE SUCRE.
Programación Lineal Método Simplex.
Transcripción de la presentación:

SE FORMAN LAS ECUACIONES, RESTANDO VARIABLES DE HOLGURA Y SUMANDO VARIABLES ARTIFICIALES COMO SE EMPLEAN DOS VARIABLES ARTIFICIALES, LA FUNCIÓN OBJETIVO ES DE LA FORMA

SE IGUALA A CERO LA FUNCIÓN OBJETIVO COMO Z ES IGUAL A : EL RENGLÓN CERO QUEDA :

CON ELLO SE FORMA LA TABLA 1 : PARA ELIMINAR LAS M´s DE R0, SE REALIZAN LA OPERACIONES ELEMENTALES :

CON ELLO SE HACE CERO EL VALOR DE»M» EN LA COLUMNA DE t1 AHORA SE CALCULA

ESTO HACE CERO EL VALOR DE «M» EN LA COLUMNA DE t2

SE APLICA EL MÉTODO SIMPLEX DE FORMA USUAL SE FORMA LA TABLA II SE APLICA EL MÉTODO SIMPLEX DE FORMA USUAL

Ya que «M» es un número positivo «muy grande, entonces: VARIABLE QUE ENTRA En R0, el más negativo es: Ya que «M» es un número positivo «muy grande, entonces: Entra x1: VARIABLE QUE SALE El mínimo entre {16/2 , 20/4} = min {8,5}, entonces Sale t2:

Este es el nuevo renglón 2, R2

Este es el nuevo renglón 2, R1 + R1 Este es el nuevo renglón 2, R1

(-1.2+6M)R2 + R0 1 x1 x2 s1 s2 t1 T2 w ld R2 (-1.2+6M)R2 R0 NUEVO R0 1/4 - 1/4 5 (-1.2+6M)R2 -1.2+6M - 0.3 + 3/2 M 0.3 - 3/2 M -0.3 + 3/2 M -6 + 30M R0 1.2-6M 0.8 -3M M -36M NUEVO R0 0.5 - 3/2 M 0.3 - 1/2 M -0.3 + 3/2M -6 - 6M

Aún hay negativos, la solución no es óptima TABLA III x1 x2 s1 s2 t1 t2 w ld 3/2 -1 1/2 1 - 1/2 6 1/4 -1/4 5 0.5 - 3/2 M M 0.3 - 1/2 M -0.3 + 3/2M -6 - 6M Aún hay negativos, la solución no es óptima

Ya que «M» es un número positivo «muy grande» x1 x2 s1 s2 t1 t2 w ld 3/2 -1 1/2 1 - 1/2 6 1/4 -1/4 5 0.5 - 3/2 M M 0.3 - 1/2 M -0.3 + 3/2M -6 - 6M VARIABLE QUE ENTRA En R0, el más negativo es: 0.5 – 3/2M Ya que «M» es un número positivo «muy grande» Entra x2: VARIABLE QUE SALE mínimo entre {6/ 3/2 , 5/ 1/4} = min {4,20}, entonces Sale t1:

Para convertir el número pivote se multiplica R1 por 2/3 Y se obtiene el nuevo R1 x1 x2 s1 s2 t1 t2 w ld R1 3/2 -1 1/2 1 - 1/2 6 2/3 R1= Nuevo R1 -2/3 1/3 2/3 - 1/3 4

x1 x2 s1 s2 t1 t2 w ld R1 -1/4 R1 R2 -1/4 R1 + R2 1 -2/3 1/3 2/3 - 1/3 1 -2/3 1/3 2/3 - 1/3 4 -1/4 R1 - 1/4 1/6 - 1 / 12 - 1/6 1 / 12 -1 R2 1 /4 5 Nuevo R2 - 1 / 3 1 / 3

(-1/2 + 3/2M) R1 + R0 Esto genera el nuevo R0 x1 x2 s1 s2 t1 t2 w ld - 1/2 + 3/2M 1/3 -M -1/6+M/2 -1/3+M/2 1/6-M/2 -2 + 6M 1/2 -3/2M M 0.3-M/2 -0.3+3/2M 1 -6-6M 1/3 0.13 -0.13+ M -8 Esto genera el nuevo R0

TABLA IV VB x1 x2 s1 s2 t1 t2 w ld 1 - 2/3 1/3 2/3 - 1/3 4 1/6 -1/6 0.13 -1/3+M -0.13+ M -8 Como las variables artificiales ya no aparecen como variables básicas, se eliminan sus columnas

VB x1 x2 s1 s2 w ld 1 - 2/3 1/3 4 1/6 - 1/3 0.13 -8 En esta tabla ya no hay negativos en R0, entonces la solución es óptima X1= 4, X2= 4 W=-Z entonces z= 8

Minimizar Sujeto a: