Professional Documents
Culture Documents
INGENIERIA
FACULTAD DE INGENIERIA QUIMICA Y TEXTIL
SEPARATA N° 3
Tablero óptimo
cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
3 X1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
cj Zj 0 0 -3 -1 0 -1
c j c j c j c j c j c j
- Considerando para x 3 c3
c3 c3 c3
Hallamos:
c3 Z3 c3 3
c3 1 3 c3 4
- Considerando para S1 c4
c4 c4 c4
c4 Z 4 c4 1 c4 0 1
c4 1
- Considerando para S3 c6
c6 c6 c6
c6 Z 6 c6 1
c6 0 1 c6 1
Z j cj
ck' ck ck donde : ck
aij
m in
Relación que deben cumplir los coeficientes de la función objetivo, su signo, su variación y el signo de esta, el
signo de los aij y el objetivo del problema para provocar variaciones de la solución óptima.
Cuando:
aij 0 cj
No existe:
aij 0 cj
Cuando:
aij 0 cj
No existe:
aij 0 cj
En nuestro ejemplo:
Caso maximización:
c j c 'j c j c j c 'j
Z j cj
c 'j
aij
m in
- Considerando para x 1 c1
c1 c1' c1 c1 c1'
Límite Superior:
Z1 c1
c1' ; aij 0
aij
aij 0 min
c1
0 3
Límite Inferior: c1' 0 c1' 2
aij 0 1 3/ 2
1
c1' 2 el menor es c1 0
'
1/ 2
c1 c1' c1 c1 c1' 3 0 c1
Luego 3 c1
Para S2 : c5
c5 c5' c5 c5 c5'
Límite Superior
1 1
c 5' 2 ; c 5' 4
1/ 2 1/ 4
el menor es c5' 2
Límite Inferior:
Z j cj
c5'
aij
aij 0 min
0 3
c5 0 ; c5' 4
'
1 3/ 4
el menor es c5' 0
0 0 c5 0 2 0 c5 2
Considerando para x 2 c2
c2 c2' c2 c2 c2'
Límite Superior:
Z j cj 3
c2' ; c2' 12
aij aij 0 1/ 4
aij 0 min
1 el menor es c2' 4
c2' 4 ;
1/ 4
Límite Inferior:
Z j cj 0 1
c2' c2' 0 ; c2' 2
aij 1/ 2 1/ 2
aij 0 min
el menor es c2 0
'
2 0 c2 2 4 2 c2 6
Procedimiento:
bi bi bi bi bi
g i bi
bi g i bi ; bi'
aij
m in
Caso 1.
Todas las variables están dentro de su rango de optimalidad, por lo que la base actual permanece
óptima y el valor de las variables básicas no cambia por lo que tampoco se ve afectado el valor de la
función objetivo.
Si la variacióon de al menos una de las variables está fuera del rango de optimalidad, la solución deja
de ser óptima.
Caso 2.
Si:
cj = coefiiente original de xj en la función objetivo
Δcj = variación de cj
Z j cj
c 'j =Ij incremento máximo de cj para que se mantenga la base óptima
aij
m in
Z j cj
c 'j = Dj = decremento máximo de cj para que se mantenga la base óptima
aij
m in
Si Δcj ≤ 0
…….. (1)
Se puede asegurar que la base actual sigue siendo la óptima y los valores de las variables tampoco
cambian, pero la función objetivo podría variar. Si la expresión (1) es mayor a 1 no se puede asegurar
que se mantenga como óptima, pero tampoco hay seguridad de que vaya a cambiar.
Ejemplo
Considerando el siguiente modelo:
Max z = 60x1 + 30x2 + 20x3
s.a:
8x1 + 6x2 + x3 + s1 = 48 (1)
4x1 + 2x2 + 1;5x3 + s2 = 20 (2)
2x1 + 1;5x2 + 0;5x3 + s3 = 8 (3)
cj 60 30 20 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
0 S1 24 0 -2 0 1 2 -8
20 X3 8 0 -2 1 0 2 -4
60 X1 2 1 1.25 0 0 -0.5 1.5
Zj 280 60 35 20 0 10 10
Cj - Zj 0 -5 0 0 -10 -10
C1 = 60 cambia a C1 = 70
C3 = 20 cambia a C3 = 18
Δc1 = 70 – 60 = 20 ≥ 0
Z j cj
c 'j = I1 = 20 entonces
aij
m in
Δc2 =0
ΔC3 = 18 – 20 = - 2 ≤ 0
Z j cj
c 'j = D3 = 5 entonces
aij
m in
ANALISIS POST-OPTIMAL
Para el siguiente problema
s.a:
x1 + 2x2 + x3 ≤ 100
x1 + x2 + 2x3 ≤ 90
2x1 + 3x3 ≤ 120
xi 0
Tablero óptimo
cj 3 2 1 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3
2 X2 20 0 1 -1/4 1/2 0 -1/4
0 S2 10 0 0 3/4 -1/2 1 -1/4
3 X1 60 1 0 3/2 0 0 1/2
Zj 220 3 2 4 1 0 1
Cj - Zj 0 0 -3 -1 0 -1
Análisis post-optimal
Cálculo:
Zj - c 'j = ( Zj - cj ) + ( cj - c 'j )
Zj - c 'j = 3 + ( 1 - 5 )
Zj - c 'j = -1
Cálculo:
Zj - c 'j = ( Zj - cj ) - (c ' j - c j )
Cambio neto
Para x1 c1
Para obtener el nuevo reglón de x1, multiplicar cada término del reglón x1 por el cambio neto y sumar
luego esta cantidad a cada término del reglón x1 original, excepto los términos de la matríz identidad.
cj 6 2 1 0 0 0
ck xk bi x1 x2 x3 x4 x5 x6
2 x2 20 0 1 -1/4 1/2 0 -1/4
0 x5 10 0 0 3/4 -1/2 1 -1/4
6 x1 60 1 0 6 0 0 2
Zj 400 6 2 71/2 1 0 23/2
Cj - Zj 0 0 -69/2 -1 0 -23/2
Nuevos términos:
(3/2) x 3 + 3/2 = 6
Z se incrementa apreciablemente.
0 x 3 + 0 = 0 La base permanece óptima.
1/2 x 3 + 1/2 = 2
cambio neto
Para x3 :
1 3
a3 2 cambiar por a3 1
'
3 4
1/ 2 0 1/ 4 3 1/ 2
1
x B a 1/ 2 1 1/ 4
'
3
'
3 1 3/ 2
0 0 1/ 2 4
2
1/ 2
c kT .B 1.a3' c3 c B .B 1
.a3' c3 2,0,3 3/ 2 1
Z3 2
Zj – Cj = 7-1 = 6 sigue siendo óptima.
Cálculo:
si x j 0 :
1
' La base sigue siendo óptima, analizar la siguiente iteración
x B a
'
j
'
j
si x j 0 :
' Añadir una variable artificial, se modifica la base
1 3
a1 1 cambiar por a1 2
'
2 4
1/ 2 0 1/ 4 3 1/ 2 x2
1
x B a 1/ 2 1 1/ 4
'
j
'
1 2 1/ 2 S2
0 0 1 / 2 4 x
2 1
vemos que:
x1' 0
1/ 2
c B .B .a c1 2,0,3
1 '
1/ 2 3 73 4
1
2
Z3
Zj – Cj = 4 ; sigue siendo óptima, la solución es columna x1' .
b) Si consideramos:
1 1
a1 1 por a 2
'
1
2 0
1/ 2 0 1/ 4 1 1/ 2 x2
x 'j B 1 a1' 1 / 2 1 1 / 4 2 3/ 2 S2
0 0 1 / 2 0 0 x
1
x1' 0
1/ 2
c B .B .a c1 2,0,3
1 '
3/ 2 3 1 3
1
0
Z1– C1 = -2 , se modifica la solución
x2 = 1/2
S2 = 3/2
x1 == 0
cj 3 2 1 0 0 0 M
ck xk bi x1 x2 x3 S1 S2 S3 q1
2 X2 20 1/2 1 -1/4 1/2 0 -1/4 0
0 S2 10 3/2 0 3/4 -1/2 1 -1/4 0
-M Q1 60 0 0 3/2 0 0 1/2 1
60M+
Zj 1 2 3/2M-1/2 1 0 M/2-1/2 M
400
Cj - Zj -2 0 3/2M-3/2 1 0 M/2-1/2 0
↑ingresa
Los coeficientes de la nueva actividad representarán entonces los cambios de cero a los nuevos valores.
x4 B 1.a4 ?
1/ 2 0 1/ 4 3 5/ 4
x 4 B 1 a 4' 1 / 2 1 1 / 4 1 3/ 2
0 0 1 / 2 1 1/ 2
5/ 4
1
cb .B .a c 4 (2,0,3) 3 / 4
'
5 1
4
1/ 2
Z4
cj 3 2 1 5 0 0 0
ck xk bi x1 x2 x3 x4 S1 S2 S3 θ
-
2 X2 20 0 1 -1/4 5/4 1/2 0
1/4
- -
0 S2 10 0 0 3/4 -3/4 1
1/2 1/4
3 X1 60 1 0 3/2 1/2 0 0 1/2
Zj 3 2 4 4 1 0 1
Cj - Zj 0 0 -3 1 -1 0 -1
↑
ingresa
No se puede admitir una nueva actividad en la solución a menos que esta mejore el valor de la función
objetivo.
x1 70
x1 + S4 = 70
Luego:
cj
ck xk bi x1 x2 x3 S1 S2 S3 S4
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 S4 70 1 0 0 0 0 0 1
debe ser “cero” para formar la matriz identidad, entonces se multiplica el
reglón x1 por -1 y luego se suma a los términos iniciales del reglón S4.
Así:
60(-1) + ; 4(-1)+ ; 0+ ; -3/2+ ; 0+ ; 0+ ; -1/2+ ; 0+
70 1 0 0 0 0 0 1
10 0 0 -3/2 0 0 -1/2 1
cj 3 2 1 0 0 0 0
ck xk bi x1 x2 x3 S1 S2 S3 S4
2 x2 20 0 1 -1/4 1/2 0 -1/4 0
0 S2 10 0 0 3/4 -1/2 1 -1/4 0
3 x1 60 1 0 3/2 0 0 1/2 0
0 S4 10 0 0 -3/2 0 0 0 1
Zj 220 3 2 4 1 0 1 0
cj - Zj 0 0 -3 -1 0 -1 0
Problema 1
Fred Marvin administra la granja de su familia. Para complementar varios alimentos que se cultivan en la
granja, Fred también cría cerdos para venta y desea determinar las cantidades de los distintos tipos de alimentos
disponibles (maíz, grasas y alfalfa) que debe dar a cada cerdo. Como los cerdos se comerán cualquier mezcla de
estos tipos de alimento, el objetivo es determinar qué mezcla cumple ciertos requisitos nutritivos a un costo
mínimo. En la siguiente tabla se dan las unidades de cada tipo de ingrediente nutritivo básico contenido en 1
kilogramo de cada tipo de alimento, junto con los requisitos de nutrición diarios y los costos de los alimentos.
Solución
a)
Variables de decisión:
Función objetivo:
Restricciones:
Cj 68 76 78 0 0 0 0 0 0
Ck Xk bi X X2 X3 E1 E2 E3 Q3 Q2 Q1
1
68 X1 9.8 1 0 0 -1.23 1.37 6.85 -6.85 -1.37 1.23
x10-2 x10-3 x10-3 x10-3 x10-3 x10-2
76 X2 1.4 0 1 0 4.1 -1.71 1.44 -1.44 1.71 4.1
x10-3 x10-2 x10-2 x10-2 x10-2 x10-3
78 X3 0.73 0 0 1 6.85 5.48 -0.023 0.023 5.48 6.85
x10-4 x10-3 x10-3 x10-4
Zj 830.31 68 76 78 -0.47 -0.78 -0.2 0.2 0.78 0.2
Restricciones:
bk Wk bi W1 W2 W3 S1 S2 S3
68 W1 0.47 1 0 0 1.23 - -
2
10 4.1 6.85
10 3 10 3
76 W2 0.78 0 1 0 - 1.7 -
2
1.37 10 5.48
10 3 10 3
78 W3 0.2 0 0 1 - - 0.023
6.85 1.44
10 4 10 2
Gi 830.31 940 450 170 9.8 1.4 0.73
c)
Para determinar el rango de variación de los coeficientes de la función objetivo procedemos de la siguiente
forma:
Tomando en cuenta que X 1 , X 2 , X 3 son variables básicas , la forma de hallar los límites tanto superior e
inferior es la siguiente:
Zj Cj
Cj
aij
Para X 1 sus límites son:
Superior Inferior
0.47 0.78
Cj = 38.2 Cj =569.3
1.23 10 2 1.37 10 3
999 .8 0 .2
Cj = 1459.35 Cj =29.2
6.85 10 3 6.85 10 3
999 .2 999 .2
Cj = 729343.1 Cj =81235.8
1.37 10 3 1.23 10 2
68 – 29.2 ≤ C1 ≤ 69 +38.2
38.8 ≤ C1 ≤106.2
Superior
- 0.78
Cj = 45.6
- 1.71 10 2
- 999.8
Cj = 69430.5
1.44 10 2
Inferior
0.47 0.2
Cj = 114.63 Cj =13.88
4.1 10 3 1.44 10 2
- 999.53 - 999.2
Cj = 243787.8 Cj =58432.74
4.1 10 3 1.71 10 2
76 – 13.88 ≤ C2 ≤ 76 + 45.6
62.12 ≤ C2 ≤121.6
Superior
0 .2
Cj = 8.69
0.023
Inferior
0.47
Cj =686.13
6.85 10 4
0.78
Cj =142.33
5.48 10 3
78 – 8.69≤ C3 ≤ 78 + 142.33
-64.33≤ C3 ≤ 220.33
Para saber el rango de variación del lado derecho lo trabajaremos como los coeficientes de la función objetivo
del dual , para lo cual utilizamos el tablero óptimo dual.
Superior Inferior
1.4 9. 8
Cj =341.46 Cj = 796.75
4.1 10 3 1.23 10 2
0.73
Cj = 106.57
6.85 10 3
143.25≤ W1 ≤1046.57
Superior Inferior
9.8 1 .4
Cj = 7153.28 Cj =82.35
1.37 10 3 1.7 10 2
0.73
Cj = 133.21
5.48 10 3
367.65≤ W2 ≤583.21
Superior Inferior
9.8 0.73
Cj = 14306.6 Cj =31.74
6.85 10 4 0.023
1 .4
Cj = 97.22
1.44 10 2
138.26≤ W3 ≤267.22
d)
940 962
Usando el análisis post-optimal: b 450 b´ 450
170 170
X 1 = 10.05Kg.
X 2 =1.3 Kg.
X 3 =0.79 Kg.
e)
Si los precios se reducen quiere decir que los coeficientes de la función objetivo han disminuido, veremos si
esta variación se encuentra dentro del rango anteriormente hallado:
Cj´ ( X 1 )= 40.8
Cj´ ( X 2 )=45.6
Cj´ ( X 3 )=46.8
Vemos que para el caso de X 1 y X 3 se encuentran dentro del rango de variación, pero X 2 esta fuera del
rango (62.12 ≤ C2 ≤121.6) así que la solución óptima cambia.
f)
80
a 4 40
20
Usando el método simplex obtenemos la siguiente tabla óptima:
Cj 68 76 78 56 0 0 0 M M M
Ck Xk bi X1 X2 X3 X4 E1 E2 E3 Q3 Q2 Q1
g)
940 940
b 450 b´ 590
170 170
h) Función objetivo:
Restricciones:
80 X 1 +20 X 2 +40 X 3 ≥940
20 X 1 +80 X 2 +60 X 3 ≥450
25 X 1 +20 X 2 +60 X 3 ≥170
Cj 68 76 78 0 0 0 0 0 0
Ck Xk Bi X1 X2 X3 E1 E2 E3 Q3 Q2 Q1