Algoritmo Simplex

Un sistema de desigualdades lineales define un poliedro como una regin factible. El algoritmo simplex comienza en un vrtice y se mueve a lo largo de las aristas del poliedro hasta que alcanza el vrtice de la solucin ptima. En optimizacin matemtica, el trmino algoritmo smplex habitualmente se refiere a un conjunto de mtodos muy usados para resolver problemas de programacin lineal, en los cuales se busca el mximo de una funcin lineal sobre un conjunto de variables que satisfaga un conjunto de inecuaciones lineales. El algoritmo simplex primal fue desarrollado por el matemtico norteamericanoGeorge Dantzig en 1947, y procede examinando vrtices adyacentes del poliedro de soluciones. Un algoritmo simplex es unalgoritmo de pivote. Un mtodo llamado de manera similar, pero no relacionado al anterior, es el mtodo NelderMead (1965) o mtodo de descenso (o ascenso) smplex; un mtodo numrico que busca un mnimo (o mximo) local de una funcin cualquiera examinando en cada paso los vrtices de un simplex. ndice [ocultar]

1 Entrada del problema 2 Conceptos bsicos

o o

2.1 Modelo Ampliado 2.2 Solucin ptima

2.2.1 Solucin ptima mltiple

3 Algoritmo del mtodo Simplex 4 Ejemplo 5 Vase tambin 6 Enlaces externos

Entrada del problema [editar] Considerar un problema de programacin lineal, maximizar

sujeto a El algoritmo smplex requiere que el problema de programacin lineal est en la forma aumentada de la programacin lineal. El problema puede ser escrito como sigue, en forma de matriz: Maximizar en:

donde x son las variables desde la forma estndar, xs son las variables de holgura introducidas en el proceso de aumentacin, c contiene los coeficientes de optimizacin, describe el sistema de ecuaciones contradas, y Z es la variable a ser maximizada. El sistema es tpicamente no determinado, desde que el nmero de variables excede el nmero de ecuaciones. La diferencia entre el nmero de variables y el nmero de ecuaciones nos da los grados de libertad asociados con el problema. Cualquier solucin, ptima o no, incluir un nmero de variables de valor arbitrario. El algoritmo smplex usa cero como valor arbitrario, y el nmero de variables con valor cero es igual a los grados de libertad. Valores diferentes de cero son llamados variables bsicas, y valores de cero son llamadas variables no bsicas en el algoritmo smplex. Esta forma simplifica encontrar la solucin factible bsica inicial, dado que todas las variables de la forma estndar pueden ser elegidas para ser no bsicas (cero), mientras que todas las nuevas variables introducidas en la forma aumentada, son bsicas (diferentes de cero), dado que su valor puede ser calculado trivialmente ( en diagonal es su lado derecho) para ellas, dado que la matriz problema aumentada

En cada una de las desigualdades que se plantean en el modelo matemtico de programacin lineal, se plantean desigualdades de <, >, , o =; estas desigualdades se convierten en igualdades completando con variables de holgura si se trata de menor o igual que, o menor que; en el caso de que sea mayor o igual que o mayor que, se completa con variables de excedente, estas con signo negativo ya que como su nombre lo indica, es una cantidad que esta de excedente y hay que quitar para convertirla en igualdad; en caso se maneje el =, se manejan las variables artificiales. Conceptos bsicos [editar] Forma estndar Es la igualacin de las restricciones del modelo planteado, as como el aumento de variables de holgura, o bien la resta de variables de exceso.

Forma cannica En el mtodo Simplex es de bastante utilidad la forma cannica, especialmente para explorar la relacin de dualidad. Un problema de Programacin Lineal se encuentra en la forma cannica si se cumplen las siguientes condiciones: Para el caso de la forma cannica de maximizacin: - La funcin objetivo debe ser de maximizacin. - Las restricciones son del tipo . - Las variables de decisin son mayores o iguales a cero. Para el caso de la forma cannica de la dieta: - La funcin objetivo es minimizada. - Las restricciones son de tipo . - Las variables de decisin son mayores o iguales a cero.

Modelo Ampliado [editar] Cuando se introduce en cada restriccin una variable artificial que no contenga una variable de holgura.

Ejemplo de un Modelo de Maximizacin en su Forma Ampliada Variables de entrada Estas suelen encontrarse en un criterio que se conoce como Condicin de optimalidad, en un modelo, ya sea de optimizacin o minimizacin, y se refiere a la variable no bsica en el rengln z con el coeficiente ms negativo, si se trata de una maximizacin, o el coeficiente mas positivo, si se trata de una minimizacin, la cual, en el la tabla de solucin anterior, a excepcin de la primer tabla, esta variable era una variable bsica. 'Variables de salida Esta variable es un punto extremo que se encuentra en un criterio conocido como Condicin de factibilidad, en un modelo, ya sea de optimizacin o minimizacin, y se refiere a la variable bsica asociada con la mnima razn no negativa con el coeficiente ms negativo, si se trata de una maximizacin, o el coeficiente mas positivo, si se trata de una minimizacin, la cual, en el la tabla de solucin siguiente, pasar a ser variable no bsica.

Varia Varia bles bles no bsica bsica s s

Varia ble de entra da

Varia ble de salid a

X3, A X4, X1, X2 X1 X5, X6 X3, B X4, X6, X2 X2 X5, X1 X2, C X4, X6, X3 X6 X5, X1 X2, D X6, X4, X3 X3 X5, X1 X2, E X6, X4, X1 X4 X5, X3 Variable degenerada Una variable degenerada es una variable bsica que vale 0. Grficamente esto puede ocurrir cuando ms de dos rectas se intersequen en el mismo punto. Base Conjunto de variables bsicas. En el ejemplo anterior, la base es {X3, X4, X5, X6} Variable no restringida Variable artificial

X2

X3

X4

X1

X2

Se usa una variable artificial cuando las restricciones son = y y sucede cuando el origen no se encuentra dentro de la regin factible, tratando de llevar el modelo a otradimensin en la cual el origen si exista en la regin.

Es aquella que puede tomar toda clase de valores positivos, cero y negativos puede escribirse como la diferencia de dos variables no-negativas. Funcin objetivo: Define la efectividad del modelo como funcin de las variables de decisin. Solucin ptima [editar]

Ejemplo grfico de la solucin ptima Siempre est asociada a un punto extremo de la regin factible y satisface todas las restricciones si se evala en ellas as como es el punto que en el caso de maximizacin hace que el valor de z sea el mximo (ms grande) y el el caso de minimizacin sea el mnimo (ms pequeo). Solucin ptima mltiple [editar] Existen problemas lineales que no tienen una solucin ptima nica, sino que al contrario, tienen un nmero infinito de soluciones.Para detectar una solucin mltiple en la tabla ptima, se deber tener al menos una variable con su Zj-Cj=0 no bsica. Algoritmo del mtodo Simplex [editar] Este proceso que se repite una y otra vez, siempre inicia en un punto extremo de la regin factible que normalmente es el origen, en cada iteracin se mueve a otro punto extremo adyacente hasta llegar a la solucin ptima. Los pasos del Mtodo Simplex son los siguientes: 1. Utilizando la forma estndar, determinar una solucin bsica factible inicial igualando a las n-m variables igual a cero (el origen). 2. Seleccionar la variable de entrada de las variables no bsicas que al incrementar su valor pueda mejorar el valor en la funcin objetivo. Cuando no exista esta situacin, la solucin actual es la ptima; si no, ir al siguiente paso.

3. Seleccionar la variable de salida de las variables bsicas actuales. 4. Determinar la nueva solucin al hacer la variable de entrada bsica y la variable de salida no bsica, ir al paso 2 (actualizar). Ejemplo [editar] Considerando el problema de programacin lineal: Minimiza la siguiente funcin

Sujeta a

Se aaden las variables de holgura s y t, que se representan en la tabla cannica

donde las columnas 5 y 6 representan las variables bsicas s y t y la correspondiente solucin bsica posible es

Las columnas 2, 3 y 4 pueden ser seleccionadas como columnas pivotes, para este ejemplo se seleccion la columna 4. Los valores de x resultantes de la eleccin de las filas 2 y 3 como filas pivotes son 10/1 = 10 y 15/3 = 5 respectivamente. De estos el mnimo es 5, por lo que la fila 3 sera la fila pivote. Operando los pivotes se produce

Ahora columnas 4 y 5 representan las variables bsicas z y s y la solucin ptima correspondiente es

Para el paso siguiente, no hay entradas positivas en la fila objetivo y de hecho

por lo que el valor mnimo de Z es 20. Vase tambin [editar]

George Dantzig Programacin lineal Conjetura de Hirsch

Enlaces externos [editar]

Actualizacin en Wikipedia del Mtodo SimplexConceptos y ejemplo elaborado por alumnos de la Licenciatura en Matemticas Aplicadas y Computacin. FES Acatln UNAM. A2 Actualizacin en Wikipedia del Mtodo SimplexConceptos y ejemplo elaborado por alumnos de la Licenciatura en Matemticas Aplicadas y Computacin. FES Acatln UNAM. Ejercicios resueltos utilizando el Mtodo Simplex Mdulo de resolucin para resolver modelos de Programacin Lineal utilizando el Mtodo Simplex Ejemplos clsicos resueltos por el Mtodo Simplex. Ejemplo del mtodo simplexConceptos y ejemplo elaborado por alumnos de la Licenciatura en Matemticas Aplicadas y Computacin. FES Acatln UNAM. Conceptos y Ejemplo del Mtodo Simplex aplicado a un problema de programacin lineal. Documento elaborado por estudiantes de la carrera de Matemticas aplicadas y computacin. FES Acatln UNAM. Conceptos y ejemplo del Mtodo SimplexConceptos y ejemplo elaborado por alumnos de la Licenciatura en Matemticas Aplicadas y Computacin. FES Acatln UNAM.