Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TRABAJO DE INVESTIGACION
INGENIERIA INDUSTRIAL
404-E
INDICE
cada
paso.
El
proceso
minimizacin)
aumentar
(o
generalmente
disminuir)
en
cada
iteracin.
Pasos para el desarrollo del mtodo simplex:
1. Hallar una solucin bsica factible inicial.
a. Convertir las desigualdades en igualdades.
b. Igualar la Funcin Objetivo a cero.
c. Escribir la tabla inicial simplex. (en las columnas aparecern todas
las variables del problema y, en las filas, los coeficientes de las
igualdades obtenidas, una fila para cada restriccin y la primera fila
con los coeficientes de la funcin objetivo.
2. Prueba de optimidad: determinar si la solucin bsica factible inicial es
ptima, esto ocurre si todos los coeficientes de la ecuacin son no
negativos (= 0), para el caso de maximizacin. Si es as, el proceso
termina; de otra manera se lleva a cabo otra iteracin para obtener la
nueva solucin bsica factible inicial.
3. Para escoger la variable de decisin que entra en la base, nos fijamos
en la primera fila, la de los coeficientes de la funcin objetivo y
escogemos la variable con el coeficiente negativo mayor
O
Rengln nuevo = rengln antiguo - (coeficiente de la columna pivote X
rengln pivote nuevo)
8. Si en los elementos de la primera fila hay un coeficiente negativo,
significa que no hemos llegado todava a la solucin ptima. Entonces
se repite el proceso.
9. Si todos los coeficientes de la fila de la funcin objetivo son positivos,
hemos llegado a la solucin ptima. La solucin ptima viene dada por
el valor de Z en la columna de los valores solucin. En la misma
columna se puede observar el vrtice donde se alcanza, observando las
filas correspondientes a las variables de decisin que han entrado en la
base.
Sujeto a
x1 + 4x2 8
x1 + 2x2 4
x1,x2 0
Tabla 3-2
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) No 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. 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 en el caso de la maximizacin o positivo en el caso de la
minimizacin, entonces el valor de la funcin objetivo tampoco esta acotado.
Ejemplo (Funcin objetivo no acotada)
Maximizar z = 2x1 + x2
Sujeto a
10
x1 - x2 10
2x1 40
x1, x2 0
Iteracin inicial
11
12
PASOS
METODO
DEL
DE DOBLE
FASE
13
Con esta tabla finaliza la Fase 1. Notar que el valor de la funcin objetivo al
finalizar la Fase 1 es cero, por tanto podemos continuar la Fase 2.
FASE 2: Se elimina la columna asociada a la variable artificial "y" y se actualiza
el vector de costos reducidos considerando la funcin objetivo original. De esta
forma se obtiene la tabla inicial de la Fase 2.
donde se usa la programacin lineal la cual busca hallar una solucin que
permita formular y resolver diversos problemas orientados a la toma de
decisiones.
En problemas de optimizacin es indispensable el conocimiento de
determinados mtodos que permitan la solucin de dichos problemas.
La resolucin de problemas de grandes dimensiones lo permite muy
eficazmente el Mtodo Simplex, siendo este un algoritmo el cual sirve para
determinar con eficiencia cuando una solucin existe, mostrando eficacia este
mtodo en la formulacin y solucin de diversos problemas de optimizacin y
dems.
Este mtodo permite ver las aplicaciones a las ramas de las ciencias
ingeniera.
Este mtodo o procedimiento cuenta con un sin nmero de aplicaciones en
programacin lineal, pero tambin usos en matemtica y geometra.
De entre las aplicaciones ms comunes del mtodo simplex destacan:
- Es una tcnica utilizada para dar soluciones numricas a problemas de
programacin lineal ya que es comnmente aplicado para encontrar una
solucin ptima en problemas de maximizacin y minimizacin.
- Es til para resolver problemas de gran tamao y complejos.
-A partir del mtodo simplex se han desarrollado variantes comnmente
utilizadas en programacin lineal.
- Este mtodo ha sido de suma utilidad para el desarrollo de software que
facilitan el proceso de clculos un ejemplo de ello es el TORA.
- Este modelo sirve para la correcta interpretacin de modelos de decisin
basados en descripciones matemticas con la finalidad de ayudar en la toma
de decisiones en situaciones de incertidumbre.
La importancia de este mtodo radica en que gracias a su existencia se pueden
resolver problemas complejos. Este mtodo conforma la base de la
16
BIBLIOGRAFIA
http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/
http://optimixacion.blogspot.mx/2012/02/george-bernard-dantzig-19142005.html
http://www.phpsimplex.com/ejemplo_metodo_simplex.htm
http://www.investigaciondeoperaciones.net/metodo_simplex_2_fases.html
17