Metodo Gran M
-
Upload
jean-lopez -
Category
Documents
-
view
17 -
download
0
description
Transcript of Metodo Gran M
![Page 1: Metodo Gran M](https://reader036.fdocuments.ec/reader036/viewer/2022082712/563dbb9c550346aa9aaeaacb/html5/thumbnails/1.jpg)
MÉTODO DE LA GRAN M
Investigación Operativa I
![Page 2: Metodo Gran M](https://reader036.fdocuments.ec/reader036/viewer/2022082712/563dbb9c550346aa9aaeaacb/html5/thumbnails/2.jpg)
Consiste en modificar el problema original y transformarlo a la forma canónica, agregando un nuevo vector, conocido como variable artificial W, a las restricciones que generan el problema de negatividad (por lo general, ocurren las restricciones de igualdad y mayor-igual).
Estas variables penalizan a la función objetivo con un costo de MW, donde M es un valor positivo arbitrario muy elevado. Como el método simplex siempre trata de mejorar la función objetivo, intentará sacar a W de la base cuanto antes posible.
Si durante la operación se llegará a una solución óptima en que W tiene un valor positivo, entonces implica que el problema original no tiene solución (o la solución no es factible).
Nota: hay que tener presente que cuando la función objetivo es una maximización, la variable artificial la penalizará con un valor negativo (-MW), en cambio, para una función objetivo de minimización, la variable artificial la penalizara con un valor positivo (+MW).
![Page 3: Metodo Gran M](https://reader036.fdocuments.ec/reader036/viewer/2022082712/563dbb9c550346aa9aaeaacb/html5/thumbnails/3.jpg)
Ejemplo:
La forma estándar del modelo simplex queda:
0,,,
42
634
33
:.
4
max
4321
421
321
21
21
XXXX
XXX
XXX
XX
as
XXz
0,
42
634
3 3
:.
4
max
21
21
21
21
21
XX
XX
XX
XX
as
XXz
![Page 4: Metodo Gran M](https://reader036.fdocuments.ec/reader036/viewer/2022082712/563dbb9c550346aa9aaeaacb/html5/thumbnails/4.jpg)
Pero la restricción 1 y 2 no tienen variables que desempeñen la función de variable holgura, es decir, en la primera no existe variable y en la segunda hay una variable superflua, por lo cual, para solucionar dicho problema, se le adicionan dos variables artificiales w1 y w2:
634
33
2321
121
WXXX
WXX
Entonces, el PPL queda:
0,,,,,
42
634
33
:.
4
max
214321
421
2321
121
2121
WWXXXX
XXX
WxXX
WXX
as
MWMWXXz
![Page 5: Metodo Gran M](https://reader036.fdocuments.ec/reader036/viewer/2022082712/563dbb9c550346aa9aaeaacb/html5/thumbnails/5.jpg)
Tenemos tres ecuaciones y seis incógnitas, por ello, la base inicial debe incluir 6-3=3 variables básicas con valor distinto a cero e igual número de no básicas con valor igual a cero. Para ello, la función objetivo debe contener el mismo número de variables que no están en la base, pero la función objetivo esta constituida por cuatro variables, por lo cual, será necesario sustituir los términos de w1 y w2 para obtener la forma canónica adecuada; lo anterior, se efectúa reemplazando dichos términos partir de las restricciones que poseen dichas variables w1 y w2. Para nuestro caso, corresponde a la restricción 1 y 2:
3212
211
346
33
XXXW
XXW
Por lo tanto, la función objetivo queda como:
MMXMXMXZ
MXMXMXMMXMXMXXZ
XXXMXXMXXZ
9)41()74(
346334
)346()33(4
321
3212121
3212121
MMXXMXMZ 9)41()74( 321
![Page 6: Metodo Gran M](https://reader036.fdocuments.ec/reader036/viewer/2022082712/563dbb9c550346aa9aaeaacb/html5/thumbnails/6.jpg)
Finalmente, el PPL queda de la siguiente manera:
0,,,,,
42
634
33
:.
9)41()74(
max
214321
421
2321
121
321
WWXXXX
XXX
WXXX
WXX
as
MMXXMXMz
El tableau inicial queda:
Z X1 X2 X3 W1 W2 X4 1 -(4+7M) -(1+4M) M 0 0 0 -9M
W1 0 3 1 0 1 0 0 3 W2 0 4 3 -1 0 1 0 6 X4 0 1 2 0 0 0 1 4 Z X1 X2 X3 W1 W2 X4 1 0 (1-5M)/3 M (4+7M)/3 0 0 4-2M
X1 0 1 1/3 0 1/3 0 0 1 W2 0 0 5/3 -1 -4/3 1 0 2 X4 0 0 5/3 0 -1/3 0 1 3
![Page 7: Metodo Gran M](https://reader036.fdocuments.ec/reader036/viewer/2022082712/563dbb9c550346aa9aaeaacb/html5/thumbnails/7.jpg)
Z X1 X2 X3 W1 W2 X4 1 0 0 1/5 (8+5M)/5 -(1-5M)/5 0 18/5
X1 0 1 0 1/5 3/5 -1/5 0 3/5 X2 0 0 1 -3/5 -4/5 3/5 0 6/5 X4 0 0 0 1 1 -1 1 1
La solución óptima es:
)(5/18$
0
0
0
1
5/6
5/3
2
1
3
4
2
1
umZ
W
WW
X
X
X
X
X
XX
N
B