Universidad Sergio Arboleda

Investigacin de operaciones

Tema:
Algoritmo de punto interior

Presentado por:
Cristian Ramiro Espinosa
Kevin Molano

Bogot.D.C. Febrero de 2017

 Tabla de contenido

1.1. Introduccin
1.2. Palabras claves
1.3. Resumen
1.4. Explicacin del algoritmo
1.5. Conclusiones
1.6. Bibliografa

1.1 Introduccin
En este trabajo lo que queremos lograr es aprender sobre el mtodo de karmarkar

y ver cmo es su aplicacin.

N. Karmarkar desarrollo en 1984 un algoritmo polinomial. Este algoritmo es eficaz

para programas lineales extremadamente grandes. El algoritmo de karmarkar

permite tener en cuenta puntos dentro de la regin factible a diferencia del mtodo

simplex que evala los puntos extremos, sin embargo ambos mtodos tienen

como fin hallar el punto ptimo que de la solucin al problema.

Podemos decir que el mtodo de Karmarkar surgi en respuesta a la gran

cantidad de problemas grandes cuyo nmero de iteraciones ptimas crecen de

forma exponencial.

1.2. Palabras claves

Variable de holgura, gradiente proyectado, punto ptimo, regin factible, forma

cannica.

1.3 Resumen

Antes de iniciar a hablar del mtodo de Karmarkar, primero debemos hablar del

mtodo simplex. Con el mtodo simplex podemos hallar la solucin a problemas

grandes, este mtodo toma los puntos extremos de la regin factible (ver imagen

1), y los itera antes de llegar al punto ptimo. Sin embargo, solo conociendo los

puntos extremos no podemos decir a ciencia cierta que en ellos podremos

encontrar la solucin ptima.

Por ejemplo, tenemos un ejercicio que consiste en:

 Maximizar z = X1

Sujeta a:

0 X1 2

Si utilizamos una variable X2 como variable auxiliar, las expresiones cambiaran

de la siguiente forma:

Maximizar z=x 1 permanece igual.

Pero la expresin 0 x 1 2 cambia por:

X 1 + X 2 =2

Es necesario recordar que X 1 + X 2 0.

Podemos definir el espacio de soluciones entre los puntos A y B, esto lo podemos

visualizar en la siguiente imagen:

Figura
Recordemos que para maximizar la funcin, debemos tener en cuenta la direccin

del gradiente, en este caso, podemos ver que la direccin del gradiente es hacia la

derecha (Figura 1). Ahora si seleccionamos un punto no extremo del espacio

factible, por ejemplo un punto C, y lo proyectamos perpendicularmente sobre la

lnea AB, obtenemos un nuevo punto D que se aproxima a un mejor valor ptimo

de Z. Esto lo podemos obtener si nos desplazamos en la direccin del gradiente

proyectado CD (Figura 1). Si repetimos el procedimiento en el punto D, se

determinara un punto E, este ltimo ms cercano al ptimo. Si continuamos

proyectando, llegaremos al punto B, que para este caso particular es nuestro

punto ptimo. Sin embargo, si estuviramos minimizando este mismo problema

z=x 1 y lo proyectramos, encontraramos el punto A (Figura 1).

1.4. EXPLICACION DEL ALGORITMO

Ejemplo:

Maximizar la funcin: z=x 1+ 2 x 2

Sujeto a: x 1+2 x 2 8

x1 0

x2 0

con x1 0 y x2 0 podemos deducir la regin factible

Figura
 Para poder trabajar con el mtodo de punto
interior, debemos convertir la ecuacin a su
forma cannica.

AX=b, X 0 . Se puede reescribir la

ecuacin de la siguiente forma:

Figura

T
Max z= C X , siendo T una funcin transpuesta, sujeto a:

Figura
4

La restriccin x 1+ x 2 8 se convierte en una ecuacin aumentando la variable de

holgura x 3 0 . Donde 8 es la matriz o vector b. Entonces tenemos que reescribir

la funcin (fig 2).

1 2 0
Ahora vamos a extraer el vector C, que es la matriz ).

Para aplicar la forma cannica, debemos tener en cuenta que:

x1
X= x2 y la matriz A= 1 1 1 , el vector b = [8] y un vector de ceros que son
x3

las positividad de las variables, este ltimo se dira que es el lmite inferior de las
variables.
Para conocer la zona factible, utilizamos la ecuacin
 x 1+ x 2 8 , si x 1=0 x 2 8 , del mismo modo si x 2=0

x1 8 .

Si lo analizamos con simplex deduciramos que (0,8) es el punto ptimo (Figura 1).
Al crear la variable de holgura obtuvimos un problema en 3 dimensiones

Figura 5
Tenemos que encontrar una funcin objetivo que sea mxima y tiene que estar

dentro de la regin factible. Para esto tenemos que tener en cuenta la ecuacin

x 1+ x 2 + x 3=8 que se puede expresar de la siguiente forma:

x1 x2 x3

8 0 0 8
0 8 0 = 8
0 0 8 8

De la grfica en 3D vamos a tomar un punto inicial 2,2 ya que este se encuentra

dentro de la zona factible, y este va a caminar hacia el punto 4,3.

Uno de los interrogantes del algoritmo de punto interior, es saber cunto debemos

subir en x3. (Figura 5) y esto lo podemos saber mediante la restriccin, como

x 1+ x 2 + x 3=8 tenemos que encontrar 3 numeros que no se pasen de la regin

factible, un ejemplo seria: 2 + 2 + x 3=8 , despejando nos daramos cuenta que

x 3=4 . Una vez hallado el punto se proyecta perpendicularmente sobre el

espacio factible teniendo en cuenta la direccin del gradiente, una vez hecho esto

obtendremos un nuevo punto y seguimos proyectando hasta encontrar el punto

ptimo.

1.5. Conclusiones
A diferencia del mtodo simplex que toma los puntos extremos para encontrar la

solucin ptima, el mtodo de karmarkar si toma en cuenta los puntos dentro de la

regin factible, lo que permite evaluar mayor cantidad de posibilidades al momento

de encontrar el punto ptimo.

Si manejamos solamente los ejes x Y y, no podremos saber a ciencia cierta si el

punto que elegimos est dentro de la regin factible, por eso es necesario usar

una grfica en 3d para conocer si el punto sobre el cul subiremos est dentro de

la regin factible.

Es cierto que el mtodo simplex es til para resolver problemas grandes, pero

existen casos en que la cantidad de iteraciones necesarias crece de forma

exponencial, por lo que podramos llegar a afirmar que el mtodo de karmarkar

surgi como respuesta a este problema.

1.6 Bibliografa

TutosIngenieria, 4 de Octubre de 2014, mtodo punto interior para PL.

Recuperado el 7 de febrero de 2017.

TutosIngenieria, 4 de Octubre de 2014, Punto interior (Ejemplo bsico).

Recuperado el 7 de Octubre de 2017.

TutosIngenieria, 4 de Octubre de 2014, Punto interior (anlisis grfico).

Recuperado el 6 de Octubre de 2017.

Taha. A. Sandy, 2004, Investigacin de operaciones, Mxico: PEARSON

Educacin.