Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Figura 3-4
Desde el punto de vista terico, la degeneracin tiene dos implicaciones. La
primera tiene que ver con el fenmeno del ciclaje o reciclaje. Si se observan
las iteraciones 1 y 2 de la tabla 3-2, se ver que el valor de la funcin objetivo
no ha mejorado (z=18). Por lo tanto, es posible, en trminos generales, que el
procedimiento simplex repetira la misma sucesin de iteraciones, sin mejorar
nunca el valor de la funcin objetivo ni poner fin a los clculos.
El segundo punto terico se presenta en el examen de las iteraciones 1 y 2.
Ambas iteraciones, pese a diferir en la clasificacin de las variables como
bsicas y no bsicas, producen valores idnticos de todas las variables y el
valor de la funcin objetivo, es decir,
x1 = 0, x2 = 2, x3 = 0, x4 = 0, z = 18
Por lo tanto, se genera un argumento relacionado con la posibilidad de
suspender los clculos en la iteracin 1 (cuando aparece la degeneracin),
aunque no es ptima. Este argumento no es vlido porque, en general, una
solucin puede ser temporalmente degenerada.
OPCIONES PTIMAS:
Cuando la funcin objetivo es paralela a una restriccin de enlace (o sea, una
restriccin que se satisface en el sentido de la igualdad a travs de la solucin
ptima), la funcin objetivo tomara el mismo valor optimo en ms de un punto
de solucin. Por esta razn reciben el nombre de opciones ptimas.
Ejemplo (Infinidad de soluciones)
Figura 3-5
Como es de esperarse, el mtodo simplex slo determina los puntos extremos
B y C. Matemticamente podemos determinar todos los puntos (x 1, x2), del
segmento de recta BC, como un promedio ponderado no negativo de los
puntos B y C. Esto es, dada la relacin 0 1 y
B: x1 =0, x2=5/2
C: X1=3, x2=1
Tabla 3-3
SOLUCION NO ACOTADA
En algunos modelos de programacin lineal los valores de las variables se
pueden aumentar en forma indefinida sin violar ninguna de las restricciones, lo
que significa que el espacio de soluciones es no acotado cuando menos en una
direccin. Como resultado, el valor de la funcin objetivo puede crecer (caso de
maximizacin) o de crecer (caso de minimizacin) en forma indefinida. En este
caso decimos que el espacio de soluciones y el valor "ptimo" de la funcin
objetivo son no acotados.
La falta de explicacin en un modelo puede sealar solo una cosa: el modelo
est mal construido. Evidentemente resulta irracional hacer que un modelo
produzca una ganancia " infinita". Las irregularidades ms probables en estos
modelos son: 1) N o se toman en cuenta una ms restricciones redundantes, y
2) No se determinan correctamente los parmetros (constantes) de algunas
restricciones.
La regla general para reconocer la falta de acotacin es la siguiente. Sien
cualquier iteracin los coeficientes de las restricciones de una variable no
bsica son no positivos, entonces el espacio de soluciones no est acotado en
esa direccin. Adems, si el coeficiente de la funcin objetivo de esa variable
en el caso de la maximizacin o positivo en el caso de la minimizacin,
entonces el valor de la funcin objetivo tampoco est acotado.
Ejemplo (Funcin objetivo no acotada)
Maximizar z = 2x1 + x2
Sujeto a
x1 - x2 10
2x1 40
x1, x2 0
Iteracin inicial
Figura 3-6
La regla general para reconocer la falta de acotacin es la siguiente. Si en
cualquier iteracin los coeficientes de las restricciones de una variable no
bsica son no positivos, entonces el espacio de soluciones no est acotado en
esa direccin. Adems, si el coeficiente de la funcin objetivo de esa variable
es negativo en el caso de la maximizacin o positivo en el caso de la
minimizacin, entonces el valor de la funcin objetivo est acotado.
SOLUCION INFACTIBLE
Si las restricciones no se pueden satisfacer en forma simultnea, se dice que el
modelo no tiene solucin factible. Esta situacin nunca puede ocurrir si todas
las restricciones son del tipo (suponiendo constantes no negativas en el
segundo miembro) ya que la variable de holgura produce siempre alguna
solucin factible. Sin embargo, cuando empleamos los otros tipos de
restricciones, recurrimos al uso de variables artificiales que, por su mismo
diseo, no ofrecen una solucin factible al modelo original. Aunque se toman
medidas (a travs del uso de la penalizacin) para hacer que las variables
artificiales sean cero en el nivel ptimo, esto slo puede ocurrir si el modelo
tiene un espacio factible. Si no lo tiene, cuando menos una variable artificial
ser positiva en la iteracin ptima. Esta es nuestra indicacin que el problema
no tiene solucin factible.
Desde el punto de vista prctico un espacio infactible apunta a la posibilidad de
que el modelo no se haya formulado correctamente en virtud de que las
restricciones estn en conflicto. Tambin es posible que las restricciones no
estn destinadas a cumplirse en forma simultnea, en este caso, quina se
necesite una estructura del modelo totalmente deferente que no admita todas
las restricciones al mismo tiempo.
Tabla 3-4
http://148.204.211.134/polilibros/portal/polilibros/P_Terminados/InvOperChave/
Documentos/Unidad4/UNIDAD42.htm