1 / 71

Programación lineal

Programación lineal. Problemas lineales (forma estándar) min c T x s.a Ax = b x  0 Estudiaremos sus propiedades especiales Métodos específicos de solución: Método Simplex

ivrit
Download Presentation

Programación lineal

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Programación lineal • Problemas lineales (forma estándar) min cTx s.a Ax = b x 0 • Estudiaremos sus propiedades especiales • Métodos específicos de solución: • Método Simplex • Métodos de puntos interiores

  2. Programación lineal • Propiedades especiales del problema • La región factible es convexa • Toda solución local es global • Las condiciones necesarias de primer orden son suficientes • Propiedad de convexidad: x e y factibles, A (x +(1-)y ) = Ax + (1-)Ay = b + (1-)b = b x +(1-)y  0

  3. Programación lineal • Propiedades especiales del problema • La región factible es un politopo : Figura limitada por hiperplanos • Elementos de un politopo: • Caras, aristas, vértices • Algunos de estos elementos son importantes para el cálculo de la solución • Cómo identificarlos: caracterización algebraica

  4. Programación lineal • Politopos

  5. Programación lineal • Soluciones

  6. Programación lineal • Teorema básico: “Si existe una solución del problema lineal, existe un vértice solución” • Importancia de los vértices: • Basta con buscar soluciones en vértices (número finito) • Método Simplex: • Probar vértices eficientemente hasta encontrar la solución

  7. Programación lineal • Justificación: • Resultado básico (teor. de representación) • Todo punto de un conjunto convexo puede expresarse como combinación convexa de n+1 puntos extremos del conjunto x = ii xi , ii = 1, i  0 cT x = ii cTxi  minicTxi

  8. Programación lineal • Caracterización algebraica de vértices • Representación gráfica solo válida si n 3 • Caracterización general basada en la de otras partes de un politopo • Caras, aristas, etc.

  9. Programación lineal • Partes de un politopo, Ax b • Caras: subconjuntos de hiperplanos • Vértices: • Puntos intersección de al menos n caras • Aristas: • Segmentos intersección de n - 1 caras • Comienzan y acaban en un vértice • Vértices contiguos: • unidos por una misma arista

  10. Programación lineal • Caracterización algebraica: • Caras: {x | jajTx = bj , Ax  b } • Vértices: existe una partición de A y b, Ab bb A = b = Anbn Ab nn, bb  n, det(Ab )  0, Ab x = bb ,An x  bn

  11. Programación lineal • Vértices de Ax = b, x 0, A mn • Siempre existen m restricciones activas, Ax = b • Necesitamos n - m restricciones activas en x 0 • En un vértice al menos n - m variables deben ser iguales a cero: variables no básicas • Variables distintas de cero: variables básicas

  12. Programación lineal • Ejemplo: min 2x1 + x2 - x3 + 3x4 s.a x1 + 2x2 - x3 + x4 + x5 = 3 2x1 + 4x2 + x3 + 2x4 - x5 = 12 x1 + 4x2 + x3 - x4 + 2x5 = 9 x 0 • Comprobar si son vértices: ( 1 1 2 1 1 )T , ( -3 4 0 0 -2 )T , ( 9/2 1/4 5/2 0 1/2 )T , ( 3 1 2 0 0 )T

  13. Programación lineal • Procedimiento básico • Método Simplex: • Suponemos conocido un vértice factible • Comprobamos si es solución: • Comprobar condiciones necesarias y suficientes • Si no lo es, buscamos un vértice contiguo mejor • Criterio de selección entre vértices contiguos

  14. Programación lineal • Método Simplex: • Aspectos básicos: • ¿Cómo podemos calcular un vértice factible? • ¿Qué debemos comprobar para saber si un vértice es solución? • ¿Cómo podemos escoger un vértice contiguo mejor?

  15. Programación lineal • Comprobar si un vértice es óptimo: • Paso 1. ¿Es un vértice factible? • ¿Es factible? • ¿Tiene al menos n - m variables iguales a cero? • Paso 2. ¿Es solución? • Condiciones de óptimo • Signo de los multiplicadores

  16. Programación lineal • Condiciones de óptimo en un vértice • Problema en forma estándar • Versión más eficiente de las condiciones • Sistema de ecuaciones de tamaño reducido • Basado en partición de variables para un vértice factible xb cb x = c = A = ( BN ) xncn

  17. Programación lineal • Derivación de condiciones de óptimo • Condiciones generales de extremo • Condición basada en ausencia de descenso • Estudiar las direcciones factibles en el vértice • Estudiar solo las aristas que salen del vértice • Determinar si la función objetivo decrece • Vértice solución: si la f. objetivo no decrece a lo largo de ninguna arista

  18. Programación lineal • Condiciones necesarias y suficientes: Ax = b , x 0 c = AT +    0 , Tx = 0 • Para comprobar si un punto es solución: • Factibilidad • Existencia de multiplicadores • Signo de multiplicadores 

  19. Programación lineal • Ejemplo: min 2x1 + x2 - x3 + 3x4 s.a x1 + 2x2 - x3 + x4 + x5 = 3 2x1 + 4x2 + x3 + 2x4 - x5 = 12 x1 + 4x2 + x3 - x4 + 2x5 = 9 x 0 • Comprobar si ( 3 1 2 0 0 )T es solución

  20. Programación lineal • Condiciones simplificadas: cb BT 0 =  + , n 0 cnNTn • Equivalentes a cb = BT , cn = NT + n , n 0 o bien cn - NTB -Tcb  0 • Se resuelve un sistema de dimensión m m

  21. Programación lineal • Comprobación de las condiciones: • Paso 1. Se resuelve el sistema de ecuaciones BT = cb • Paso 2. Se calcula el multiplicador como n = cn - NT • Paso 3. Se comprueba la condición n 0

  22. Programación lineal • Condiciones de óptimo en un vértice • Esfuerzo a realizar: • Factibilidad • Multiplicar matriz por vector • Existencia de multiplicadores • Resolver un sistema de ecuaciones • Dimensión n n • Signo de los multiplicadores • Comparación simple

  23. Programación lineal • Cálculo de los multiplicadores para ( 3 1 2 0 0 )T 1 2 -1 1 1 2 3 B = 2 4 1 N = 2 -1 cB = 1 cN = 1 4 1 -1 2 -1 0 B T = cb  = ( 5/6 4/3 -3/2 )T n = cn - NT = ( -2 7/2 )T • Como (n )1 < 0 , el punto no es solución

  24. Programación lineal • Método Simplex • Nos dan un vértice factible • Si es solución, se termina • Si no lo es, buscar un nuevo vértice • Cálculo de un nuevo vértice • Para alcanzar la solución más rápidamente, se calcula un vértice mejor • Para facilitar el cálculo del nuevo vértice, se elige un vértice contiguo

  25. Programación lineal • Cálculo del nuevo vértice • Buscar entre vértices contiguos • Problema en forma estándar: • Un vértice contiguo comparte n - 1 restricciones activas • Un vértice contiguo comparte n - m - 1 variables no básicas • Una variable no básica diferente • Existen n - m vértices contiguos

  26. Programación lineal • ¿Qué vértice contiguo escoger? • El mejor: • Vértice contiguo con el menor valor de la función objetivo • Demasiado caro de calcular • El que resulte más prometedor: • Vértice contiguo en la arista con el mayor descenso en la función objetivo

  27. Programación lineal • Vértice más prometedor ?

  28. Programación lineal • Selección de vértice contiguo • Clave: valor de los multiplicadores • Multiplicador: cambio en la función objetivo al alejarse de la restricción • Supongamos que i < 0 • Si aumenta xi , la función objetivo disminuye a un ritmo dado por i • Multiplicador más negativo: decrecimiento más rápido

  29. Programación lineal • Cálculo del vértice contiguo • Si el vértice no es solución, existe algún multiplicador negativo • Seleccionar el multiplicador más negativo • Desplazarse a lo largo de la arista asociada • Expresión de la arista: x + p ,   0 • p vector que representa la dirección de la arista •  escalar que indica distancia sobre la arista • Cuanto mayor es  , más nos alejamos del vértice

  30. Programación lineal • Cálculo de dirección de movimiento, p • Dirección p tal que a lo largo de x + p: • Aumente xi • Las restricciones de igualdad se cumplan • Las demás variables no básicas sean cero • Cálculo de componentes básicas y no básicas: pb p = pn

  31. Programación lineal • Información de partida: vértice factible x xb x = , A x = b , x 0 , xn = 0 xn • Condiciones que debe cumplir p : • Debe aumentar (xn)i (pn)i > 0 • Demás variables no básicas iguales a cero  (pn)j = 0 j  i

  32. Programación lineal • Condiciones que debe cumplir p : • Se deben cumplir las restricciones de igualdad A x = b , A (x + p ) = b  Ap = 0  Bpb + Npn = 0  Bpb = -Npn • ¿Qué queda por determinar? • Componente no básica a aumentar, i • Valor de la componente (pn)i • Se toma el valor 1

  33. Programación lineal • Resumen • Forma de p : pn = ei , Bpb = -Nei • ¿Qué i se selecciona? • Variable no básica con (n)i más negativo • Justificación: cT (x + p ) = cTx + cTp cTp = cnTpn + cbTpb = ( cn + N TB -Tcb )Tei = (n )i

  34. Programación lineal • Cálculo de p • Dado un vértice factible no solución • Paso 1. Encontrar el multiplicador más negativo, (n )i • Paso 2. Definir pn como pn = ei • Paso 3. Resolver el sistema de ecuaciones Bpb = -Nei

  35. Programación lineal • Ejemplo: min 2x1 + x2 - x3 + 3x4 s.a x1 + 2x2 - x3 + x4 + x5 = 3 2x1 + 4x2 + x3 + 2x4 - x5 = 12 x1 + 4x2 + x3 - x4 + 2x5 = 9 x 0 • Estudiar el punto ( 3 1 2 0 0 )T -2 n = cn - NTB-Tcb = 7/2

  36. Programación lineal • Definición de p • Componentes no básicas: pn = e1 • Componentes básicas: 1 2 1 1 1 -1 -3 Bpb = -Ne1 2 4 1 pB = - 2 -1 e1 = -2  pB = 1 1 4 1 1 2 1 0 • Dirección de movimiento: p = ( -3 1 0 1 0 )T

  37. Programación lineal • Justificación de la condición de óptimo • ¿Se tiene ascenso en el vértice a lo largo de todas las aristas? • Cálculo de todas las aristas en un vértice: pn = eii , Bpb = -Npn • Puntos a lo largo de la arista: x +  p • ¿Descenso o ascenso? cT( x +  p ) - cT x =  cT p cT p < 0 descenso, cT p > 0 ascenso

  38. Programación lineal • Justificación de la condición de óptimo • Expresión formal cT p = cnT pn + cbT pb = cnT ei + cbT (-B -1Nei ) = eiT( cn - NTB -Tcb ) = eiTn donde n = cn - NTB -Tcb • Se tiene una solución (para minimización) si n  0

  39. Programación lineal • Cálculo de la longitud de paso  xk+1 = xk + pk • ¿Cómo interesaría moverse? • A lo largo de pk la función objetivo decrece linealmente • Moverse tan lejos como sea posible • Unica limitación: • Restricciones de cota de las variables básicas

  40. Programación lineal • Cálculo de la longitud de paso  • Condición: xi + pi  0 i  B • Para cada componente i básica calculamos el mayor paso factible, -xi /pi • El paso se define como el menor de los cocientes para los pasos positivos  = min { -xi /pi | pi < 0 }

  41. Programación lineal • Ejemplo:min 2x1 + x2 - x3 + 3x4 s.a x1 + 2x2 - x3 + x4 + x5 = 3 2x1 + 4x2 + x3 + 2x4 - x5 = 12 x1 + 4x2 + x3 - x4 + 2x5 = 9 x 0 • En ( 3 1 2 0 0 )T hemos obtenido p = ( -3 1 0 1 0 )T • Solo existe una componente negativa en p  = -3/(-3) = 1 , x’ = x + p = ( 0 2 2 1 0 )T

  42. Programación lineal • Cálculo del vértice factible inicial • Para aplicar el método Simplex falta un vértice inicial • Pero el método Simplex es capaz de generar vértices factibles • Las soluciones de un problema lineal lo son • Basta con encontrar un problema lineal con las propiedades adecuadas

  43. Programación lineal • Problema lineal auxiliar (fase I) • Problema lineal relacionado con el de partida, pero distinto de él • Propiedades deseadas: • Debe tener un vértice factible que se pueda calcular de forma trivial • La solución del problema auxiliar debe ser un vértice factible del problema de partida

  44. Programación lineal • Supondremos que b 0 • Problema auxiliar min cTx min eTw s.a Ax = b s.a Ax + w = b x 0 x ,w  0 • Vértice inicial: ( x , w ) = ( 0 , b ) • Si la solución del problema modificado resultase ser ( x , 0 ) , x sería un vértice factible del problema original

  45. Programación lineal • Paso 1. Asegurar que b 0 • Paso 2. Construir el problema modificado • Paso 3. Resolver dicho problema partiendo de ( 0 , b ) • Paso 4. Si en la solución w = 0 , resolver el problema original desde x • Paso 5. Si en la solución w 0 , el problema original no es factible

  46. Programación lineal • Ejemplo: max 2x1 - 3x2 - x3 + 2x4 s.a x1 + x2 - x3 - x4 -2 2x1 - x2 + 2x3 + x4 1 -x1 + x2 + x3 - 2x4 = -2 x 0 • Lado derecho mayor que cero: max 2x1 - 3x2 - x3 + 2x4 s.a -x1 - x2 + x3 + x4 2 2x1 - x2 + 2x3 + x4 1 x1 - x2 - x3 + 2x4 = 2 x 0

  47. Programación lineal • Problema en forma estándar max 2x1 - 3x2 - x3 + 2x4 s.a -x1 - x2 + x3 + x4 + s1 = 2 2x1 - x2 + 2x3 + x4 - s2 = 1 x1 - x2 - x3 + 2x4 = 2 x , s 0 • Problema auxiliar: min w1 + w2 s.a -x1 - x2 + x3 + x4 + s1 = 2 2x1 - x2 + 2x3 + x4 - s2 + w1 = 1 x1 - x2 - x3 + 2x4 + w2 = 2 x , s , w 0

  48. Programación lineal • Ejemplo • Punto inicial del problema auxiliar: x = ( 0 0 0 0 )T , s = ( 2 0 )T , w = ( 1 2 )T • Punto solución del problema auxiliar: x = ( 0 0 0 1 )T , s = ( 1 0 )T , w = ( 0 0 )T • Vértice factible del problema inicial: x = ( 0 0 0 1 )T

  49. Programación lineal • Los cálculos del método Simplex: • Paso 1. Obtener un vértice factible inicial • Paso 1.1 • Asegurar que b 0 • Añadir variables auxiliares • Formar problema auxiliar • Paso 1.2 Fase I • Resolver el problema auxiliar • Determinar un vértice factible para el problema original

  50. Programación lineal • Paso 2. • Comprobar si el vértice factible es solución BT = cb , n = cn - NT n 0 ? • Paso 3. • Calcular la dirección de movimiento p i =arg mink (n )k pn = ei , Bpb = -Nei

More Related