Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INVESTIGACIN DE OPERACIONES
MTODO SIMPLEX
15/08/2015
Mtodo Simplex.
El mtodo Simplex es un procedimiento iterativo que permite mejorar la solucin de la
funcin objetivo en cada paso. El proceso concluye cuando no es posible continuar
mejorando dicho valor, es decir, se ha alcanzado la solucin ptima (el mayor o menor
valor posible, segn el caso, para el que se satisfacen todas las restricciones).
Partiendo del valor de la funcin objetivo en un punto cualquiera, el procedimiento
consiste en buscar otro punto que mejore el valor anterior. Como se ver en el mtodo
Grfico, dichos puntos son los vrtices del polgono (o poliedro o polcoro, si el
nmero de variables es mayor de 2) que constituye la regin determinada por las
restricciones a las que se encuentra sujeto el problema (llamada regin factible). La
bsqueda se realiza mediante desplazamientos por las aristas del polgono, desde el
vrtice actual hasta uno adyacente que mejore el valor de la funcin objetivo. Siempre
que exista regin factible, como su nmero de vrtices y de aristas es finito, ser
posible encontrar la solucin.
El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo Z no toma
su valor mximo en el vrtice A, entonces existe una arista que parte de A y a lo largo
de la cual el valor de Z aumenta.
Ser necesario tener en cuenta que el mtodo Simplex nicamente trabaja con
restricciones del problema cuyas inecuaciones sean del tipo "" (menor o igual) y sus
coeficientes independientes sean mayores o iguales a 0. Por tanto habr que
estandarizar las restricciones para que cumplan estos requisitos antes de iniciar el
algoritmo del Simplex. En caso de que despus de ste proceso aparezcan
restricciones del tipo "" (mayor o igual) o "=" (igualdad), o no se puedan cambiar,
ser necesario emplear otros mtodos de resolucin, siendo el ms comn el mtodo
de las Dos Fases.
2.
3.
Todas las variables (xi) deben tener valor positivo o nulo (condicin de no
negatividad).
4.
Tipo de optimizacin.
Como se ha comentado, el objetivo del mtodo consistir en optimizar el valor de la
funcin objetivo. Sin embargo se presentan dos opciones: obtener el valor ptimo
mayor (maximizar) u obtener el valor ptimo menor (minimizar).
Adems existen diferencias en el algoritmo entre el objetivo de maximizacin y el de
minimizacin en cuanto al criterio de condicin de parada para finalizar las iteraciones
y a las condiciones de entrada y salida de la base. As:
Objetivo de maximizacin
Condicin de parada: cuando en la fila Z no aparece ningn valor negativo.
Condicin de entrada a la base: el menor valor negativo en la fila Z (o el de
mayor valor absoluto entre los negativos) indica la variable P j que entra a la
base.
Condicin de salida de la base: una vez obtenida la variable entrante, la
variable que sale se determina mediante el menor cociente P 0/Pj de los
estrictamente positivos.
Objetivo de minimizacin
Condicin de parada: cuando en la fila Z no aparece ningn valor positivo.
Condicin de entrada a la base: el mayor valor positivo en la fila Z indica la
variable Pj que entra a la base.
Condicin de salida de la base: una vez obtenida la variable entrante, la
variable que sale se determina mediante el menor cociente P 0/Pj de los
estrictamente negativos.
No obstante, es posible normalizar el objetivo del problema con el fin de aplicar
siempre los mismos criterios en lo referente a la condicin de parada del algoritmo y a
las condiciones de entrada y salida de las variables de la base. De esta forma, si el
objetivo es minimizar la solucin, se puede cambiar el problema a otro equivalente de
maximizacin simplemente multiplicando la funcin objetivo por "-1". Es decir, el
En el ltimo caso se hace patente que las variables artificiales suponen una violacin
de las leyes del lgebra, por lo que ser necesario asegurar que dichas variables
artificiales tengan un valor 0 en la solucin final. De esto se encarga el mtodo de las
Dos Fases y por ello siempre que aparezcan este tipo de variables habr que
realizarlo.
En la siguiente tabla se resume segn la desigualdad el tipo de variable que aparece
en la ecuacin normalizada, as como su signo:
Tipo de desigualdad
- exceso + artificial
+ artificial
+ holgura
A continuacin se explican paso a paso los puntos de cada mtodo, concretando los
aspectos a tener en cuenta.
Mtodo Simplex
C2
...
Cn
Base
Cb
P0
P1
P2
...
Pn
P1
Cb1
b1
a11
a12
...
a1n
P2
Cb2
b2
a21
a22
...
a2n
...
...
...
...
...
...
...
Pm
Cbm
bm
am1
am2
...
amn
Z0
Z1-C1
Z2-C2
...
Zn-Cn
Todos los valores incluidos en la tabla vendrn dados por el modelo del
problema salvo los valores de la fila Z (o fila indicadora). Estos se obtienen de
la siguiente forma: Zj = (CbiPj) para i = 1..m, donde si j = 0, P 0 = bi y C0 = 0, y
en caso contrario Pj = aij.
Condicin de parada:
Se cumple la condicin de parada cuando la fila indicadora no contiene ningn
valor negativo entre los costes reducidos (cuando el objetivo es la
maximizacin), esto es, no existe posibilidad de mejora.
Si no se cumple la condicin de parada es necesario realizar una iteracin ms
del algoritmo, esto es, determinar la variable que se vuelve bsica y la que deja
de serlo, encontrar el elemento pivote, actualizar los valores de la tabla y
comprobar si se cumple nuevamente la condicin de parada.
Es tambin posible determinar que el problema no se encuentra acotado y su
solucin siempre resultar mejorable. En tal caso no es necesario continuar
iterando indefinidamente y se puede finalizar el algoritmo. Esta situacin ocurre
cuando en la columna de la variable entrante a la base todos los valores son
negativos o nulos.
Elemento pivote:
El elemento pivote de la tabla queda marcado por la interseccin entre la
columna de la variable entrante y la fila de la variable saliente.
Actualizacin de la tabla:
Las filas correspondientes a la funcin objetivo y a los ttulos permanecern
inalteradas en la nueva tabla. El resto de valores debern calcularse como se
explica a continuacin:
Bibliografa
http://www.phpsimplex.com/teoria_metodo_simplex.htm