domingo, 29 de agosto de 2010
lunes, 23 de agosto de 2010
TALLER EN GAMS
Ejercicio 3.4-11
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 1
ejercicio 3.4-11
C o m p i l a t i o n
2
3
4 Sets
5 i fabricas /fabrica1, fabrica2/
6 j clientes /cliente1, cliente2, cliente3/
7 k cantidades /cantidad1, cantidad2, cantidad3/;
8
9 Parameters
10
11 b(i) capacidad de la fabrica i en los casos
12 / fabrica1 400
13 fabrica2 500/
14
15
16 c(k) Cantidades para envir por ordenes
17 / cantidad1 300
18 cantidad2 200
19 cantidad3 400/;
20
21 Table m(j,k)
22 cantidad1 cantidad2 cantidad3
23 cliente1 300 0 0
24 cliente2 0 200 0
25 cliente3 0 0 400 ;
26
27 Table h(i,j) Costo unitariuo de envio por cliente
28
29 cliente1 cliente2 cliente3
30 fabrica1 600 800 700
31 fabrica2 400 900 600 ;
32
33
34
35
36 Variables
37 x(j,k) lo que se debe enviar de cada fabrica a cada cliente
38 z ganancia total de producción ;
39
40 Positive variable x;
41
42 Equations
43 ganancia
44 produccion(i) ;
45
46 ganancia .. z =e= sum((j,k), m(j,k)*x(j,k));
47
48 produccion(i) .. sum((j,k), h(i,j)*x(j,k)) =l= b(i) ;
49 model wyndorglassco / all/
50
51 solve wyndorglassco using lp maximizing z
52
53
54
55 Display x.l, x.m ;
COMPILATION TIME = 0.015 SECONDS 3 Mb WIN233-233 Nov 17, 2009
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 2
ejercicio 3.4-11
Equation Listing SOLVE wyndorglassco Using LP From line 55
---- ganancia =E=
ganancia.. - 300*x(cliente1,cantidad1) - 200*x(cliente2,cantidad2)
- 400*x(cliente3,cantidad3) + z =E= 0 ; (LHS = 0)
---- produccion =L=
produccion(fabrica1).. 600*x(cliente1,cantidad1) + 600*x(cliente1,cantidad2)
+ 600*x(cliente1,cantidad3) + 800*x(cliente2,cantidad1)
+ 800*x(cliente2,cantidad2) + 800*x(cliente2,cantidad3)
+ 700*x(cliente3,cantidad1) + 700*x(cliente3,cantidad2)
+ 700*x(cliente3,cantidad3) =L= 400 ; (LHS = 0)
produccion(fabrica2).. 400*x(cliente1,cantidad1) + 400*x(cliente1,cantidad2)
+ 400*x(cliente1,cantidad3) + 900*x(cliente2,cantidad1)
+ 900*x(cliente2,cantidad2) + 900*x(cliente2,cantidad3)
+ 600*x(cliente3,cantidad1) + 600*x(cliente3,cantidad2)
+ 600*x(cliente3,cantidad3) =L= 500 ; (LHS = 0)
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 3
ejercicio 3.4-11
Column Listing SOLVE wyndorglassco Using LP From line 55
---- x lo que se debe enviar de cada fabrica a cada cliente
x(cliente1,cantidad1)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-300 ganancia
600 produccion(fabrica1)
400 produccion(fabrica2)
x(cliente1,cantidad2)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
600 produccion(fabrica1)
400 produccion(fabrica2)
x(cliente1,cantidad3)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
600 produccion(fabrica1)
400 produccion(fabrica2)
REMAINING 6 ENTRIES SKIPPED
---- z ganancia total de producción
z
(.LO, .L, .UP, .M = -INF, 0, +INF, 0)
1 ganancia
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 4
ejercicio 3.4-11
Model Statistics SOLVE wyndorglassco Using LP From line 55
MODEL STATISTICS
BLOCKS OF EQUATIONS 2 SINGLE EQUATIONS 3
BLOCKS OF VARIABLES 2 SINGLE VARIABLES 10
NON ZERO ELEMENTS 22
GENERATION TIME = 0.000 SECONDS 4 Mb WIN233-233 Nov 17, 2009
EXECUTION TIME = 0.000 SECONDS 4 Mb WIN233-233 Nov 17, 2009
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 5
ejercicio 3.4-11
Solution Report SOLVE wyndorglassco Using LP From line 55
S O L V E S U M M A R Y
MODEL wyndorglassco OBJECTIVE z
TYPE LP DIRECTION MAXIMIZE
SOLVER CPLEX FROM LINE 55
**** SOLVER STATUS 1 Normal Completion
**** MODEL STATUS 1 Optimal
**** OBJECTIVE VALUE 228.5714
RESOURCE USAGE, LIMIT 0.015 1000.000
ITERATION COUNT, LIMIT 1 2000000000
ILOG CPLEX Nov 1, 2009 23.3.2 WIN 13908.14598 VIS x86/MS Windows
Cplex 12.1.0, GAMS Link 34
LP status(1): optimal
Optimal solution found.
Objective : 228.571429
LOWER LEVEL UPPER MARGINAL
---- EQU ganancia . . . 1.000
---- EQU produccion
LOWER LEVEL UPPER MARGINAL
fabrica1 -INF 400.000 400.000 0.571
fabrica2 -INF 342.857 500.000 .
---- VAR x lo que se debe enviar de cada fabrica a cada cliente
LOWER LEVEL UPPER MARGINAL
cliente1.cantidad1 . . +INF -42.857
cliente1.cantidad2 . . +INF -342.857
cliente1.cantidad3 . . +INF -342.857
cliente2.cantidad1 . . +INF -457.143
cliente2.cantidad2 . . +INF -257.143
cliente2.cantidad3 . . +INF -457.143
cliente3.cantidad1 . . +INF -400.000
cliente3.cantidad2 . . +INF -400.000
cliente3.cantidad3 . 0.571 +INF .
LOWER LEVEL UPPER MARGINAL
---- VAR z -INF 228.571 +INF .
z ganancia total de producción
**** REPORT SUMMARY : 0 NONOPT
0 INFEASIBLE
0 UNBOUNDED
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 6
ejercicio 3.4-11
E x e c u t i o n
---- 55 VARIABLE x.L lo que se debe enviar de cada fabrica a cada cliente
cantidad3
cliente3 0.571
---- 55 VARIABLE x.M lo que se debe enviar de cada fabrica a cada cliente
cantidad1 cantidad2 cantidad3
cliente1 -42.857 -342.857 -342.857
cliente2 -457.143 -257.143 -457.143
cliente3 -400.000 -400.000
EXECUTION TIME = 0.000 SECONDS 3 Mb WIN233-233 Nov 17, 2009
USER: Departmento de Ingeniería Industrial G091203:1120AP-WIN
Universidad de Antioquia DC8064
License for teaching and research at degree granting institutions
**** FILE SUMMARY
Input C:\Documents and Settings\HERNAN DARIO G\Escritorio\sesión 2\ejemplo.
gms
Output C:\Documents and Settings\HERNAN DARIO G\Mis documentos\gamsdir\projd
ir\ejemplo.lst
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 1
ejercicio 3.4-11
C o m p i l a t i o n
2
3
4 Sets
5 i fabricas /fabrica1, fabrica2/
6 j clientes /cliente1, cliente2, cliente3/
7 k cantidades /cantidad1, cantidad2, cantidad3/;
8
9 Parameters
10
11 b(i) capacidad de la fabrica i en los casos
12 / fabrica1 400
13 fabrica2 500/
14
15
16 c(k) Cantidades para envir por ordenes
17 / cantidad1 300
18 cantidad2 200
19 cantidad3 400/;
20
21 Table m(j,k)
22 cantidad1 cantidad2 cantidad3
23 cliente1 300 0 0
24 cliente2 0 200 0
25 cliente3 0 0 400 ;
26
27 Table h(i,j) Costo unitariuo de envio por cliente
28
29 cliente1 cliente2 cliente3
30 fabrica1 600 800 700
31 fabrica2 400 900 600 ;
32
33
34
35
36 Variables
37 x(j,k) lo que se debe enviar de cada fabrica a cada cliente
38 z ganancia total de producción ;
39
40 Positive variable x;
41
42 Equations
43 ganancia
44 produccion(i) ;
45
46 ganancia .. z =e= sum((j,k), m(j,k)*x(j,k));
47
48 produccion(i) .. sum((j,k), h(i,j)*x(j,k)) =l= b(i) ;
49 model wyndorglassco / all/
50
51 solve wyndorglassco using lp maximizing z
52
53
54
55 Display x.l, x.m ;
COMPILATION TIME = 0.015 SECONDS 3 Mb WIN233-233 Nov 17, 2009
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 2
ejercicio 3.4-11
Equation Listing SOLVE wyndorglassco Using LP From line 55
---- ganancia =E=
ganancia.. - 300*x(cliente1,cantidad1) - 200*x(cliente2,cantidad2)
- 400*x(cliente3,cantidad3) + z =E= 0 ; (LHS = 0)
---- produccion =L=
produccion(fabrica1).. 600*x(cliente1,cantidad1) + 600*x(cliente1,cantidad2)
+ 600*x(cliente1,cantidad3) + 800*x(cliente2,cantidad1)
+ 800*x(cliente2,cantidad2) + 800*x(cliente2,cantidad3)
+ 700*x(cliente3,cantidad1) + 700*x(cliente3,cantidad2)
+ 700*x(cliente3,cantidad3) =L= 400 ; (LHS = 0)
produccion(fabrica2).. 400*x(cliente1,cantidad1) + 400*x(cliente1,cantidad2)
+ 400*x(cliente1,cantidad3) + 900*x(cliente2,cantidad1)
+ 900*x(cliente2,cantidad2) + 900*x(cliente2,cantidad3)
+ 600*x(cliente3,cantidad1) + 600*x(cliente3,cantidad2)
+ 600*x(cliente3,cantidad3) =L= 500 ; (LHS = 0)
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 3
ejercicio 3.4-11
Column Listing SOLVE wyndorglassco Using LP From line 55
---- x lo que se debe enviar de cada fabrica a cada cliente
x(cliente1,cantidad1)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
-300 ganancia
600 produccion(fabrica1)
400 produccion(fabrica2)
x(cliente1,cantidad2)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
600 produccion(fabrica1)
400 produccion(fabrica2)
x(cliente1,cantidad3)
(.LO, .L, .UP, .M = 0, 0, +INF, 0)
600 produccion(fabrica1)
400 produccion(fabrica2)
REMAINING 6 ENTRIES SKIPPED
---- z ganancia total de producción
z
(.LO, .L, .UP, .M = -INF, 0, +INF, 0)
1 ganancia
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 4
ejercicio 3.4-11
Model Statistics SOLVE wyndorglassco Using LP From line 55
MODEL STATISTICS
BLOCKS OF EQUATIONS 2 SINGLE EQUATIONS 3
BLOCKS OF VARIABLES 2 SINGLE VARIABLES 10
NON ZERO ELEMENTS 22
GENERATION TIME = 0.000 SECONDS 4 Mb WIN233-233 Nov 17, 2009
EXECUTION TIME = 0.000 SECONDS 4 Mb WIN233-233 Nov 17, 2009
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 5
ejercicio 3.4-11
Solution Report SOLVE wyndorglassco Using LP From line 55
S O L V E S U M M A R Y
MODEL wyndorglassco OBJECTIVE z
TYPE LP DIRECTION MAXIMIZE
SOLVER CPLEX FROM LINE 55
**** SOLVER STATUS 1 Normal Completion
**** MODEL STATUS 1 Optimal
**** OBJECTIVE VALUE 228.5714
RESOURCE USAGE, LIMIT 0.015 1000.000
ITERATION COUNT, LIMIT 1 2000000000
ILOG CPLEX Nov 1, 2009 23.3.2 WIN 13908.14598 VIS x86/MS Windows
Cplex 12.1.0, GAMS Link 34
LP status(1): optimal
Optimal solution found.
Objective : 228.571429
LOWER LEVEL UPPER MARGINAL
---- EQU ganancia . . . 1.000
---- EQU produccion
LOWER LEVEL UPPER MARGINAL
fabrica1 -INF 400.000 400.000 0.571
fabrica2 -INF 342.857 500.000 .
---- VAR x lo que se debe enviar de cada fabrica a cada cliente
LOWER LEVEL UPPER MARGINAL
cliente1.cantidad1 . . +INF -42.857
cliente1.cantidad2 . . +INF -342.857
cliente1.cantidad3 . . +INF -342.857
cliente2.cantidad1 . . +INF -457.143
cliente2.cantidad2 . . +INF -257.143
cliente2.cantidad3 . . +INF -457.143
cliente3.cantidad1 . . +INF -400.000
cliente3.cantidad2 . . +INF -400.000
cliente3.cantidad3 . 0.571 +INF .
LOWER LEVEL UPPER MARGINAL
---- VAR z -INF 228.571 +INF .
z ganancia total de producción
**** REPORT SUMMARY : 0 NONOPT
0 INFEASIBLE
0 UNBOUNDED
GAMS Rev 233 WIN-VIS 23.3.2 x86/MS Windows 08/22/10 17:04:57 Page 6
ejercicio 3.4-11
E x e c u t i o n
---- 55 VARIABLE x.L lo que se debe enviar de cada fabrica a cada cliente
cantidad3
cliente3 0.571
---- 55 VARIABLE x.M lo que se debe enviar de cada fabrica a cada cliente
cantidad1 cantidad2 cantidad3
cliente1 -42.857 -342.857 -342.857
cliente2 -457.143 -257.143 -457.143
cliente3 -400.000 -400.000
EXECUTION TIME = 0.000 SECONDS 3 Mb WIN233-233 Nov 17, 2009
USER: Departmento de Ingeniería Industrial G091203:1120AP-WIN
Universidad de Antioquia DC8064
License for teaching and research at degree granting institutions
**** FILE SUMMARY
Input C:\Documents and Settings\HERNAN DARIO G\Escritorio\sesión 2\ejemplo.
gms
Output C:\Documents and Settings\HERNAN DARIO G\Mis documentos\gamsdir\projd
ir\ejemplo.lst
sábado, 21 de agosto de 2010
martes, 17 de agosto de 2010
Cuestionamiento capitulo 4
• De que se trata el método simplex?
Es un algoritmo eficiente y confiable para resolver problemas de programación lineal, los cuales son tratados en nuestra vida cotidiana.
• Para que se utiliza el método simples?
El método simplex se utiliza, sobre todo, para resolver problemas de programación lineal en los que intervienen tres o más variables.
• Que es el análisis de sensibilidad?
Mide la forma en que cambiara la solución derivada del valor asignado a un parámetro determinado, el cual cambia por otros valores posibles. Identificando los parámetros sensibles.
• Que es un análisis posoptimo?
Es lo que se hace después de optener un respuesta óptima del problema, involucrando preguntas sobre lo realizado.
• Como se que encontré la solución optima?
Cuando en la fila Z no exista ningún valor negativo.
• De que se trata el método de eliminación gaussiana?
Consiste en convertir a través de operaciones básicas llamadas operaciones de renglón un sistema en otro equivalente más sencillo cuya respuesta pueda leerse de manera directa. El método de eliminación Gaussiana es el mismo para sistemas de ecuaciones 2×2, 3×3, 4×4 y así sucesivamente siempre y cuando se respete la relación de al menos una ecuación por cada variable.
Es un algoritmo eficiente y confiable para resolver problemas de programación lineal, los cuales son tratados en nuestra vida cotidiana.
• Para que se utiliza el método simples?
El método simplex se utiliza, sobre todo, para resolver problemas de programación lineal en los que intervienen tres o más variables.
• Que es el análisis de sensibilidad?
Mide la forma en que cambiara la solución derivada del valor asignado a un parámetro determinado, el cual cambia por otros valores posibles. Identificando los parámetros sensibles.
• Que es un análisis posoptimo?
Es lo que se hace después de optener un respuesta óptima del problema, involucrando preguntas sobre lo realizado.
• Como se que encontré la solución optima?
Cuando en la fila Z no exista ningún valor negativo.
• De que se trata el método de eliminación gaussiana?
Consiste en convertir a través de operaciones básicas llamadas operaciones de renglón un sistema en otro equivalente más sencillo cuya respuesta pueda leerse de manera directa. El método de eliminación Gaussiana es el mismo para sistemas de ecuaciones 2×2, 3×3, 4×4 y así sucesivamente siempre y cuando se respete la relación de al menos una ecuación por cada variable.
viernes, 13 de agosto de 2010
Ejercicios propuestos
3.4-10.
Larry Edison es el director del centro de computo de Buckly College. El debe programar las horas de trabajo del personal del centro. Abre de las 8 am hasta la media noche. Larry estudio el uso del centro en las diferentes horas del día y determino los siguientes números de asesores en computación necesarios.
Hora | Numero mínimo de asesores requeridos |
8 am – 12 pm | 4 |
12 pm – 4 pm | 8 |
4 pm – 8 pm | 10 |
8 pm – 12 am | 6 |
Puede contratar dos tipos de asesores: de tiempo completo y de tiempo parcial. Los primeros trabajan 8 horas consecutivas en cualquiera de los siguientes turnos: Matutino (8 am – 4 pm), vespertino (12 pm – 8 pm) y nocturno (4 pm – 12 am). Estos asesores ganan $ 14 por hora.
Los asesores de tiempo parcial pueden trabajar cualquiera de los cuatro turnos enumerados en la tabla anterior y ganan $ 12 por hora.
Un requisito adicional es que durante todos los periodos debe haber al menos dos asesores de tiempo completo por cada uno de tiempo parcial.
Larry desea determinar cuántos asesores de tiempo completo y cuántos de tiempo parcial debe haber en cada turno para cumplir con los requisitos a un costo mínimo.
a) Formule un modelo de programación lineal.
X1= número de asesores tiempo completo, turno matutino (8 am – 4 pm).
X2= número de asesores tiempo completo, turno vespertino (12 pm – 8 pm).
X3= número de asesores de tiempo completo, turno nocturno (4 pm – 12 am).
Y1= número de asesores de tiempo parcial, turno 1 (8 am – 12 pm).
Y2= número de asesores de tiempo parcial, turno 2 (12 pm – 4 pm).
Y3= número de asesores de tiempo parcial, turno 3 (4 pm – 8 pm).
Y4= número de asesores de tiempo parcial, turno 4 (8 pm – 12 am).
Minimizar:
C= ($14/hora)(8 horas)[X1 + X2 + X3 ] + ($12/hora)(4 horas)[Y1 + Y2 + Y3 + Y4 ]
Restricciones:
X1 + Y1 ≥ 4
X1 + X2 + Y2 ≥ 8
X2 + X3 + Y3 ≥ 10
X3 + Y4 ≥ 6
X1 ≥ 2Y1
X1 + X2 ≥ 2Y2
X2 + X3 ≥ 2Y3
X3 ≥ 2Y4
X1 ≥ 0, X2 ≥ 0, X3 ≥ 0, Y1 ≥ 0, Y2 ≥ 0, Y3 ≥0, Y4 ≥ 0
b) Resuelva este modelo por el método simplex.
3.4-11.
La Medequip Company produce equipos de precisión de diagnostico medico en dos fabricas. Se han recibido pedidos de tres centros médicos para la producción de este mes. La siguiente tabla muestra el costo unitario de envio desde cada fabrica a cada centro. Además, muestra el numero de unidades que se producirán en cada fabrica y el numero de unidades ordenadas por cada cliente.
A | Costo unitario de envío | ||
De | Cliente 1 | Cliente 2 | Cliente 3 |
Fabrica 1 | $ 600 | $ 800 | $ 700 |
Fabrica 2 | $ 400 | $ 900 | $ 600 |
Orden | 300 unid | 200 unid | 400 unid |
Ahora debe tomar la decisión sobre el plan de cuantas unidades enviar de cada fabrica a cada cliente.
a) Formule un modelo de programación lineal.
Xf1-c1= número de unidades enviadas por fabrica 1 a cliente 1.
Xf1-c2= número de unidades enviadas por fabrica 1 a cliente 2.
Xf1-c3= número de unidades enviadas por fabrica 1 a cliente 3.
Xf2-c1= número de unidades enviadas por fabrica 2 a cliente 1.
Xf2-c2= número de unidades enviadas por fabrica 2 a cliente 2.
Xf2-c3= número de unidades enviadas por fabrica 2 a cliente3.
Minimizar:
C= 600Xf1-c1 + 800Xf1-c2 + 700Xf1-c3 + 400Xf2-c1 + 900Xf2-c2 + 600Xf2-c3
Restricciones:
Xf1-c1 + Xf1-c2 + Xf1-c3 = 400
Xf2-c1 + Xf2-c2 + Xf3-c3 = 500
Xf1-c1 + Xf2-c1 = 300
Xf1-c2 + Xf2-c2 = 200
Xf1-c3 + Xf2-c3 = 400
Y
Xf1-c1 ≥ 0, Xf1-c2 ≥ 0, Xf1-c3 ≥ 0, Xf2-c1 ≥ 0, Xf2-c2 ≥ 0, Xf2-c3 ≥ 0
b) Resuelva el modelo por el modelo simplex.
-C= 600Xf1-c1 - 800Xf1-c2 - 700Xf1-c3 - 400Xf2-c1 - 900Xf2-c2 - 600Xf2-c3 +MX1 + MX2 + MX3 + MX4 + MX5
Grados de libertad= 10-5
Grados de libertad = 5
Como en las restricciones tenemos que viene precedida por el =, entonces solo anexamos variables artificiales.
Xf1-c1 + Xf1-c2 + Xf1-c3 + X1= 400
Xf2-c1 + Xf2-c2 + Xf3-c3 + X2= 500
Xf1-c1 + Xf2-c1 + X3= 300
Xf1-c2 + Xf2-c2 + X4= 200
Xf1-c3 + Xf2-c3 + X5= 400
Vb | C | Xf1-c1 | Xf1-c2 | Xf1-c3 | Xf2-c1 | Xf2-c2 | Xf2-c3 | X1 | X2 | X3 | X4 | X5 | LD |
C | -1 | 600 | 800 | 700 | 400 | 900 | 600 | M | M | M | M | M | 0 |
X1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 400 |
X2 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 500 |
X3 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 300 |
X4 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 200 |
X5 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 400 |
-Mf2 + f1
Vb | C | Xf1-c1 | Xf1-c2 | Xf1-c3 | Xf2-c1 | Xf2-c2 | Xf2-c3 | X1 | X2 | X3 | X4 | X5 | LD |
C | -1 | 600-M | 800-M | 700-M | 400 | 900 | 600 | 0 | M | M | M | M | (-400M) |
X1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 400 |
X2 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 500 |
X3 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 300 |
X4 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 200 |
X5 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 400 |
-Mf3 + f1
Vb | C | Xf1-c1 | Xf1-c2 | Xf1-c3 | Xf2-c1 | Xf2-c2 | Xf2-c3 | X1 | X2 | X3 | X4 | X5 | LD |
C | -1 | 600-M | 800-M | 700-M | 400-M | 900-M | 600-M | 0 | 0 | M | M | M | (-900M) |
X1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 400 |
X2 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 500 |
X3 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 300 |
X4 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 200 |
X5 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 400 |
-Mf4 + f1
Vb | C | Xf1-c1 | Xf1-c2 | Xf1-c3 | Xf2-c1 | Xf2-c2 | Xf2-c3 | X1 | X2 | X3 | X4 | X5 | LD |
C | -1 | 600-2M | 800-M | 700-M | 400-2M | 900-M | 600-M | 0 | 0 | 0 | M | M | (-1200M) |
X1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 400 |
X2 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 500 |
X3 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 300 |
X4 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 200 |
X5 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 400 |
-Mf5 + f1
Vb | C | Xf1-c1 | Xf1-c2 | Xf1-c3 | Xf2-c1 | Xf2-c2 | Xf2-c3 | X1 | X2 | X3 | X4 | X5 | LD |
C | -1 | 600-2M | 800-2M | 700-M | 400-2M | 900-2M | 600-M | 0 | 0 | 0 | 0 | M | (-1400M) |
X1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 400 |
X2 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 500 |
X3 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 300 |
X4 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 200 |
X5 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 400 |
-Mf6 + f1
Vb | C | Xf1-c1 | Xf1-c2 | Xf1-c3 | Xf2-c1 | Xf2-c2 | Xf2-c3 | X1 | X2 | X3 | X4 | X5 | LD |
C | -1 | 600-2M | 800-2M | 700-2M | 400-2M | 900-2M | 600-M | 0 | 0 | 0 | 0 | 0 | (-1800M) |
X1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 400 |
X2 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 500 |
X3 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 300 |
X4 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 200 |
X5 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 400 |
Suscribirse a:
Entradas (Atom)