Sei sulla pagina 1di 29

INTRODUCCION A LA INVESTIGACION DE

OPERACIONES
INTRODUCCION
El mtodo smplex es un mtodo muy prctico, ya que solo trabaja con los
coeficientes de la funcin objetivo y de las restricciones.
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
en el mtodo Grfico, dichos puntos son los vrtices del polgono o (poliedro, 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.
Objetivos:
El objetivo consistir en maximizar o minimizar el valor de la funcin objetivo
que genere, incrementar ganancias o reducir prdidas.

MTODO SIMPLEX
El mtodo simplex es un procedimiento iterativo que permite tender
progresivamente hacia la solucin ptima. Es un procedimiento sistemtico y
FIGMM

Pgina 1

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
eficiente para encontrar y probar soluciones situadas en los vrtices de
optimalidad.
El mtodo requiere que las restricciones sean ecuaciones en lugar de
inecuaciones, lo cual se aade variables de holgura a cada inecuacin del
modelo, variables que nunca pueden ser negativas y tienen coeficiente 0 en la
funcin objetiva
Conceptos importantes:
Solucin bsica: Valores de las variables que satisfacen las
restricciones de igualdad de un programa lineal en forma estndar,
despus de que las variables no bsicas se toman como cero.
Solucin bsica factible inicial: Valores de las variables que satisfacen
las restricciones de igualdad y de no negatividad de un programa lineal
en forma estndar, despus de que las variables no bsicas se toman
como cero.
Variable de holgura: variable no negativa que se aade al lado
izquierdo de una restriccin menor o igual que, para obtener una
restriccin de igualdad equivalente.
Variable artificial: variable no negativa que se aade al lado izquierdo
de una restriccin mayor o igual que, para obtener una restriccin de
igualdad equivalente.
Iteracin: una serie de pasos de un algoritmo que se repiten.
Prueba de optimidad: Mtodo para determinar si la solucin obtenida
es la ptima.
Mejora: proceso de encontrar soluciones factibles con valores de la
funcin objetivo cada vez mejores.

Preparando el modelo para adaptarlo al mtodo Simplex


La forma estndar del modelo de problema consta de una funcin objetivo
sujeta a determinadas restricciones:
Funcin objetivo: c1x1 + c2x2 +... + cnxn
Sujeto a:

FIGMM

Pgina 2

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
...
am1x1 + am2x2 + ... + amnxn = bm
x1,..., xn 0

El modelo debe cumplir las siguientes condiciones:


1. El objetivo consistir en maximizar o minimizar el valor de la funcin
objetivo (por ejemplo, incrementar ganancias o reducir prdidas,
respectivamente).
2. Todas las restricciones deben ser ecuaciones de igualdad (identidades
matemticas).
3. Todas las variables (xi) deben tener valor positivo o nulo (condicin de
no negatividad).
4. Los trminos independientes (bi) de cada ecuacin deben ser no
negativos.
5.
Hay que adaptar el problema modelado a la forma estndar para poder aplicar
el algoritmo del Simplex.
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 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 P0/Pj de los
estrictamente positivos.

FIGMM

Pgina 3

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

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 P0/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 problema de minimizar Z es equivalente al
problema de maximizar (-1) Z. Una vez obtenida la solucin ser necesario
multiplicarla tambin por (-1).
Ventajas: No hay que preocuparse por nuevos criterios de parada, condicin de
entrada y salida de la base ya que se mantienen.
Inconvenientes: En el caso de que la funcin tenga todos los coeficientes de
sus variables bsicas positivos, y adems las restricciones sean del tipo de
desigualdad "", al hacer el cambio dichos coeficientes quedan negativos
cumplindose la condicin de parada en la primera iteracin (en la fila del valor
de la funcin objetivo todos los valores son positivos o cero). Obtenindose en
este caso por defecto un valor ptimo para la funcin igual a 0.
Solucin: Realmente no existe este problema dado que para que la solucin
sea superior a 0 es necesario que alguna restriccin tenga impuesta la
condicin "" (y se tratara de un modelo para el mtodo de las Dos Fases). En
el caso planteado, la solucin real debe ser cero.
Cambio de signo de los trminos independientes
Tambin se ha dicho que los trminos independientes (bi) de cada ecuacin
deben ser no negativos para poder emplear el mtodo Simplex. A tal fin, si
alguna de las restricciones presenta un trmino independiente menor que 0
habr que multiplicar por "-1" ambos lados de la inecuacin (teniendo en
cuenta que esta operacin tambin afecta al tipo de restriccin).
Ventajas: Con sta simple modificacin de signos en las restricciones
correspondientes se posibilita la aplicacin del mtodo Simplex al problema
modelado.
FIGMM

Pgina 4

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
Inconvenientes: Puede resultar que en las restricciones donde tengamos que
modificar los signos de las constantes, los tipos de desigualdad fueran ""
(quedando tras la operacin del tipo "") siendo necesario desarrollar el mtodo
de las Dos Fases. Este inconveniente no es controlable, aunque podra ocurrir
el caso contrario y resultar beneficioso si los trminos independientes negativos
se presentan en todas aquellas restricciones con desigualdad de tipo "". Si
existe alguna restriccin del tipo "=" no supondra ninguna ventaja ni desventaja
puesto que siempre sera de necesaria aplicacin el mtodo de las Dos Fases.

Normalizacin de las restricciones


Otra de las condiciones del modelo estndar del problema es que todas las
restricciones sean ecuaciones de igualdad (tambin llamadas restricciones de
igualdad), por lo que hay que convertir las restricciones de desigualdad o
inecuaciones en dichas identidades matemticas.
La condicin de no negatividad de las variables (x1,..., xn 0) es la nica
excepcin y se mantiene tal cual.

Restriccin de tipo ""

Para normalizar una restriccin con una desigualdad del tipo "", hay que aadir
una nueva variable, llamada variable de holgura xs (con la condicin de no
negatividad: xs 0). Esta nueva variable aparece con coeficiente cero en la
funcin objetivo, y sumando en la ecuacin correspondiente (que ahora s ser una
identidad matemtica o ecuacin de igualdad).
a11x1 + a12x2 b1

a11x1 + a12x2 + 1xs = b1

Restriccin de tipo ""

En caso de una desigualdad del tipo "", tambin hay que aadir una nueva
variable llamada variable de exceso xs (con la condicin de no negatividad: xs
Esta nueva variable aparece con coeficiente cero en la funcin objetivo, y restando
en la ecuacin correspondiente.). 0
Surge ahora un problema con la condicin de no negatividad con esta nueva
variable del problema. Las inecuaciones que contengan una desigualdad de tipo
"" quedaran:
a11x1 + a12x2 b1
a11x1 + a12x2 - 1xs = b1
Al realizar la primera iteracin con el mtodo Simplex, las variables bsicas no
estarn en la base y tomarn valor cero. En este caso la nueva variable xs, tras
FIGMM

Pgina 5

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
hacer cero a x1 y x2, tomar el valor -b1 y no cumplira la condicin de no
negatividad. Es necesario aadir otra nueva variable xr, llamada variable artificial,
que tambin aparecer con coeficiente cero en la funcin objetivo y sumando en la
restriccin correspondiente. Quedando entonces de la siguiente manera:
a11x1 + a12x2 b1

a11x1 + a12x2 - 1xs + 1xr = b1

Tipo de desigualdad

Tipo de variable que aparece

- exceso + artificial

+ artificial

+ holgura

Restriccin de tipo "="

Al contrario de lo que cabra pensar, para las restricciones de tipo "=" (aunque ya
son identidades) tambin es necesario agregar variables artificiales xr. Como en el
caso anterior, su coeficiente ser cero en la funcin objetivo y aparecer sumando
en la restriccin correspondiente.
a11x1 + a12x2 = b1

a11x1 + a12x2 + 1xr = b1

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

FIGMM

Pgina 6

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

Desarrollando el mtodo Simplex


Una vez estandarizado el modelo y se determina que hay que utilizar el
mtodo simplex
A continuacin se explican paso a paso los puntos de cada mtodo,
concretando los aspectos a tener en cuenta.

Construccin de la primera tabla:


Las columnas de la tabla estn dispuestas de la siguiente forma: la primera
columna de la tabla contiene las variables que se encuentran en la base (o
variables bsicas), esto es, aquellas que toman valor para proporcionar una
solucin; la segunda columna recoge los coeficientes que dichas variables
bsicas tienen en la funcin objetivo (esta columna es llamada C b); la
tercera muestra el trmino independiente de cada restriccin (P 0); a partir
de sta aparece una columna por cada una de las variables de decisin y
holgura presentes en la funcin objetivo (P j). Para tener una visin ms
clara de la tabla, se incluye una fila que contiene los ttulos de cada una de
las columnas.
Sobre esta tabla se agregan dos nuevas filas: una de ellas, que lidera
la tabla, donde aparecen los coeficientes de las variables de la funcin
objetivo, y una ltima fila que recoge el valor la funcin objetivo y los costes
reducidos Zj - Cj.
Los costes reducidos muestran la posibilidad de mejora en la solucin
Z0. Por este motivo tambin son llamados valores indicadores.
Se muestra a continuacin el aspecto general de la tabla del mtodo
Simplex:
Tabla
C1

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
FIGMM

Pgina 7

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
de la siguiente forma: Zj = (CbiPj) para i = 1..m, donde si j = 0, P0 = bi y
C0 = 0, y en caso contrario Pj = aij.
Se observa, al realizar el mtodo Simplex, que en esta primera tabla
ocupan la base todas las variables de holgura y por ello (todos los
coeficientes de las variables de holgura son 0 en la funcin objetivo) el valor
inicial de Z es cero.
Por este mismo motivo tampoco es necesario realizar los clculos de
los costes reducidos en la primera tabla, pudindose determinar
directamente como el cambio de signo de los coeficientes de cada variable
en la funcin objetivo, esto es, -Cj.

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.

Eleccin de la variable que entra a la base:


Cuando una variable se vuelve bsica, es decir, entra en la base, comienza
a formar parte de la solucin. Observando los costes reducidos en la fila Z,
se decide que entra a la base la variable de la columna en la que ste sea
el de menor valor (o de mayor valor absoluto) entre los negativos.

Eleccin de la variable que sale de la base:


Una vez obtenida la variable entrante, se determina que sale de la base la
variable que se encuentre en aquella fila cuyo cociente P 0/Pj sea el menor
de los estrictamente positivos (teniendo en cuenta que esta operacin se
har nicamente cuando Pj sea superior a 0).

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.

FIGMM

Pgina 8

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

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:

En la fila del elemento pivote cada nuevo elemento se calcula como:

Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote.

En el resto de las filas cada elemento se calcula:

Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila en


Columna Pivote * Nuevo Elemento Fila Pivote).
De esta forma se consigue que todos los elementos de la columna de
la variable entrante sean nulos salvo el de la fila de la variable saliente cuyo
valor ser 1. (Es anlogo a utilizar el mtodo de Gauss-Jordan para resolver
sistemas de ecuaciones lineales).

Aplicaciones del algoritmo simplex


Para poder solucionar un problema mediante un algoritmo primero se
debe extraer toda la informacin que aporta el enunciado y preparar el
problema de acuerdo a las necesidades del mtodo resolutivo.
Los pasos para modelar un problema son los siguientes:
Paso 1: Determinar las variables de decisin y expresarlas
algebraicamente.
o X1,..., Xn

Paso 2: Determinar las restricciones y se expresarlas como


ecuaciones o inecuaciones dependientes de las variables de decisin:
O A11X1 + A12X2 +... + A1nXn , , = b1
O A21X1 + A22X2 +... + A 2nXn , , = b2
o ...
o Am1X1 + Am2X2 + ... + AmnXn , , = bm

FIGMM

Pgina 9

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

Paso 3: Expresar todas las condiciones implcitamente establecidas


por la naturaleza de las variables: que no puedan ser negativas, que sean
enteras, que solo puedan tomar determinados valores, ...
o X1,..., Xn 0
o X1,..., Xn son nmeros enteros, o son booleanos,...

Paso 4: Determinar la funcin objetivo.


O Maximizar o minimizar Z = C1X1 + C2X2 +... + CnXn

A modo de ejemplo se explica cmo se modelan algunos problemas


tpicos:

Problema de la dieta
Problema de transporte de mineral
Problema de transporte de mercancas
Problema de los rboles frutales
Problema de asignacin de personal
Problema del camino mnimo
Problema de localizacin
Problema de inversin en bolsa, etc.

FIGMM

Pgina 10

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

Ejemplo: Dos empresas Mineras extraen dos tipos diferentes de minerales,


los cuales son sometidos a un proceso de trituracin, con tres grados:
alto,medio y bajo. Las compaas han firmado un contrato para proveer de
mineral a una planta de fundicin, cada semana, 12 toneladas de mineral
degrado alto, 8 toneladas de grado medio y 24 toneladas de grado bajo.
Cada una de las empresas tiene diferentes procesos de fabricacin.
MINA

COSTO/DA(miles de euros)

PRODUCCIN (Tn/da)

ALTO
X
Y

MEDIO

180
160

6
1

3
1

BAJO
4
6

Cuntos das a la semana debera operar cada empresa para cumplir el contrato con la planta de
fundicin?

Minimizar la

FOZ= 180X

+ 160 X2

SUJETO A:
FORMA ESTNDAR

6X1+X212
3X1+X28
4X1+6X224
X15, X25
FIGMM

6X1+X2 +S1=12
3X1+X2 +S28
4X1+6X2+ S324
Z=-180X1-160X2
Pgina 11

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

TABLA INICIAL
BASE

Variables de
DECISIN

VARIABLES
HOLGURA

DE

SOLUCI
N

X1

X2

S1

S2

S3

S1

12

S2

S3

24

-180

-160

OPERACI
N

ITERACIN No 1
BASE

Variables de
DECISIN

VARIABLES
HOLGURA

DE

SOLUCI
N

OPERACI
N

X1

X2

S1

S2

S3

S1

12

126=2

S2

83=2.6

S3

24

244=6

-180

-160

FIGMM

Pgina 12

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

RESULTADO DE ITERACIN No
BASE

Variables de
DECISIN

VARIABLES
HOLGURA

DE

1
SOLUCI
N

OPERACI
N

X1

X2

S1

S2

S3

X1

1/6

1/6

S2

1/2

-1/2

S3

16/3

-2/3

16

-130

30

360

DE

SOLUCI
N

OPERACI
N

ITERACIN No
BASE

Variables de
DECISIN

VARIABLES
HOLGURA

(6)

X1

X1

X2

S1

S2

S3

S1

1/6

1/6

21/6=1
2

S2

1/2

-1/2

21/2=4

FIGMM

Pgina 13

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
S3

16/3

-2/3

16

-130

30

360

RESULTADO DE ITERACIN No
BASE

Variables de
DECISIN

VARIABLES
HOLGURA

DE

1616/3
=3

2
SOLUCI
N

X1

X2

S1

S2

S3

X1

3/16

-1/32

3/2

S2

-7/16

-3/32

1/2

X2

-1/8

3/16

OPERACI
N

(3/16)

X2
0

55/4

195/8

750

TABLA FINAL
BASE

Variables de
DECISIN

VARIABLES
HOLGURA

DE

SOLUCI
N

X1

X2

S1

S2

S3

X1

3/16

-1/32

3/2

S2

-7/16

-3/32

1/2

FIGMM

Pgina 14

OPERACI
N

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
X2

-1/8

3/16

55/4

195/8

750

Como 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
nuestro caso:750.
DONDE

X1 = 3/2

DONDE

X2 = 3

La empresa X (=X1) debe operar 1.5 das para cumplir el contrato con
la planta de fundicin.
La empresa Y (=X2) debe operar 3 das para cumplir el contrato con
la planta de fundicin.

PROBLEMA APLICATIVO 2

La compaa Minera Colina Mining ubicada a 4200 msnm opera una mina subterrnea
en 3 tajeos (A, B, C) El mineral de cada una se explota, con los costos diarios de
operacin que se indican en la tabla siguiente:

La Compaa se comprometi a entregar 8, 000 toneladas de mineral del tipo I y


10 000toneladas de mineral del tipo II, 15 000 toneladas de mineral del tipo III en el
mes venidero.

Cul ser la decisin de la compaa para la produccin de cada uno de sus tajeos despus de
hacer un estudio haciendo uso del algoritmo simplex para optimizar sus operaciones?
Mineral
TAJEO 1 TAJEO 2
TAJEO 3
DISPONIBILID
AD
(TM/MES)X10
00
A
2
3
0
8
B

10

FIGMMC

Pgina 154

15

UTILIDAD
(DOLARES/T
M)

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

USANDO EL ALGORITMO SIMPLEX


MxZ=3 X 1+5 X 2+ 4 X 3
Sujeto a las siguientes restricciones:

2 X 1+ 3 X 2 8
2 X 2+ 5 X 3 10
3 X 1 +2 X 2 +4 X 3 15

Solucin:
Las inecuaciones deben ser convertidas a ecuaciones, para eso usaremos
variables de holgura y se tendr las siguientes ecuaciones:
1

2 X 1+ 3 X 2+ 0 X 3 + X 4 +0 X 5 +0 X 6 =8

2 0 X 1+ 2 X 2+5 X 3+ 0 X 4 + X 5+ 0 X 6=10
3

3 X 1 +2 X 2+ 4 X 3+ 0 X 4 + 0 X 5+ X 6=15

La variable entrante ser X2 ya que posee el mayor coeficiente en la funcin


objetivo.

2
1
8
4 X 1+ X 2 +0 X 3 + X 4 +0 X 5 +0 X 6=
3
3
3
5
1
5 0 X 1+ X 2 + X 3 +0 X 4 + X 5 +0 X 6=5
2
2
3
1
15
6 X 1 + X 2 +2 X 3 +0 X 4 +0 X 5 + X 6 =
2
2
2

FIGMM

Pgina 16

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
Restar l ecuacion ( 4 ) de las ecuaciones ( 5 ) y ( 6 ) y se tendralo siguiente :

2
1
8
4 X 1+ X 2 +0 X 3 + X 4 +0 X 5 +0 X 6=
3
3
3
7

2
5
1
1
8
X 1+ 0 X 2+ X 3 + X 4+ X 5 +0 X 6 =5
3
2
3
2
3

( 32 23 ) X +0 X +2 X 13 X +0 X + 12 X = 152 83
1

Multiplicar ls ecuaciones ( 7 ) y ( 6 ) por 2.


2
1
8
4 X 1+ X 2 +0 X 3 + X 4 +0 X 5 +0 X 6=
3
3
3
9

4
2
14
X 1+ 0 X 2 +5 X 3 X 4 + X 5 + 0 X 6=
3
3
3

5
2
29
10 X 1+ 0 X 2 +4 X 3 X 4 +0 X 5 + X 6=
3
3
3

La solucion bsica factible ahora serla siguiente :

8
14
29
X 1=0, X 3=0 , X 4 =0 y X 2= , X 5= , X 6=
3
3
3

Calculando Z se tiene :
FIGMM

Pgina 17

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
Z =3 ( 0 ) +5

( 83 )+ 4 ( 0) = 403 =13 13

Luego, se debe seleccionar de nuevo

X3

como variable entrante.

(Se puede ver el incremento de Z es de 4 por cada incremento


X3
unitario de
, y solamente el incremento de Z es de 3 por cada
X1

incremento unitario de

).

Las relaciones en las ecuaciones:

9 X3

14
X 5 podria ser negativo ,
15

10 X 3

La relacin mnima es

29
X 6 podria ser negativo ,
12

14
15

y por lo tanto

X5

ser la variable

saliente.
Ahora arreglar las ecuaciones (4) , (9) y(10) de tal manera que
un coeficiente unitario.

2
1
8
4 X 1+ X 2 +0 X 3 + X 4 +0 X 5 +0 X 6=
3
3
3
11

12

FIGMM

4
2
1
14
X 1+ 0 X 2 + X 3 X 4 + X 5 + 0 X 6 =
15
15
5
15

5
2
1
29
X +0 X 2+ X 3 X 4 +0 X 5 + X 6 =
12 1
15
4
12

Pgina 18

X3

tenga

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

Restando la ecuacin (11) de la (12) y luego obteniendo coeficientes ceros

X3

para

13

en las ecuaciones (4) y (12) respectivamente :

41
1
1
1
89
X +0 X 2 +0 X 3 X 4 X 5 + X 6=
60 1
30
5
4
60

Multiplicando la ecuacin por 4:

14

41
2
4
89
X +0 X 2+ 0 X 3 X 4 X 5+ X 6=
15 1
15
5
15

Luego las ecuaciones siguientes:

2
1
8
4 X 1+ X 2 +0 X 3 + X 4 +0 X 5 +0 X 6=
3
3
3
11

14

4
2
1
14
X 1+ 0 X 2 + X 3 X 4 + X 5 + 0 X 6 =
15
15
5
15

41
2
4
89
X +0 X 2+ 0 X 3 X 4 X 5+ X 6=
15 1
15
5
15

Luego la nueva solucin bsica ser:

8
14
89
X 1=0, X 4=0, X 5=0 y , X 2= , X 3 = , y X 6=
3
15
15
Calculando Z:

Z =3 ( 0 ) +5

Z=17

FIGMM

1
=17
( 83 )+ 4( 1415 )= 256
15
15

1
15

Pgina 19

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

Se seleccionar X1 como la variable entrante.

( 4 ) /2
=( 15 )
3

( 11 ) /4
=(16)
15

14
=(17)
41
15

3
1
15 X 1+ X 2 +0 X 3 + X 4 +0 X 5 +0 X 6=4
2
2
1
3
7
16 X 1 +0 X 215 X 3+ X 4 X 5 +0 X 6=
2
4
2
17 X 1 +0 X 2 +0 X 3

2
12
15
89
X X+ X =
41 4 41 5 41 6 41

Restar la ecuacin la ecuacin (17) de las ecuaciones (15) y (16)


respectivamente y se tiene la siguiente:

3
45
12
15
75
18 X 2 + X 4 + X 5 X 6=
2
82
41
41
41
19

15
45
75 15
465
X 3+ X 4
X 6=
4
82
164 41
82

17 X 1 +0 X 1 +0 X 3

FIGMM

2
12
15
89
X X+ X =
41 4 41 5 41 6 41

Pgina 20

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
Multiplicando 18 x

2
3

y (19) po

( 415 )

se tendr lo siguiente:

20 X 2 +

15
8
10
50
X 4+ X5 X6=
41
41
41
41

21 X 3

6
5
4
62
X + X+ X =
41 4 41 5 41 6 61

17 X 1 +0 X 2 +0 X 3

2
12
15
89
X 4 X 5+ X 6 =
41
41
41
41

Luego la nueva solucin bsica ser la siguiente:

X 4 =0, X 5=0 , X 6=0 y X 1=

89
50
62
, X 2= y X 3 =
41
41
41

Luego el valor de Z ser:

Z =3

( 8941 )+5( 5041 )+4 ( 6241 )= 765


41

Z=18

27
41

USANDO EL TABLERO SIMPLEX

FIGMM

Pgina 21

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

TABLA INICIAL
BASE
C1
C2
C3
Z

VARIABLES DE DECISION
X1
2
0
3
-3

X2
3
2
2
-5

X3
0
5
4
-4

VARIABLES DE HOLGURA
CA
1
0
0
0

C2
0
1
0
0

C3
0
0
1
0

SOLUC.

OPERACI
N

8
10
15
0

ITERACION 1
BASE
C1
FIGMM

VARIABLES DE DECISION
X1
2

X2
3

X3
0

VARIABLES DE HOLGURA
CA
1
Pgina 22

C2
0

C3
0

SOLUC.

OPERACI
N

8/3

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
C2
C3
Z

0
3
-3

2
2
-5

5
4
-4

0
0
0

1
0
0

0
1
0

10
15
0

5
7.5

C1
2
3
2/3

3
3
1

0
3
0

1
3
1/3

0
3
0

0
3
0

8
3
8/3

1
2
X
0
1

0
2
X
0
0

10
2
X
8/3
14/3

0
2
X
0
0

1
2
X
0
1

15
2
X
8/3
29/3

0
-5
X
0
0

0
-5
X
0
0

0
-5
X
8/3
40/3

C2
0
2
X
2/3
-4/3

2
2
X
1
0

5
2
X
0
5

0
2
X
1/3
-2/3

C3
3
2
X
2/3
5/3

2
2
X
1
0

4
2
X
0
4

0
2
X
1/3
-2/3
Z

-3
-5
X
2/3
1/3
FIGMM

-5
-5
X
1
0

-4
-5
X
0
-4

0
-5
X
1/3
5/3
Pgina 23

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

RESULTADOS DE LA ITERACION 1
BASE
C1
C2
C3
Z

VARIABLES DE DECISION
X1
2/3
-4/3
5/3
1/3

X2
1
0
0
0

X3
0
5
4
-4

VARIABLES DE HOLGURA
C1
1/3
-2/3
-2/3
5/3

C2
0
1
0
0

SOLUC.

C3
0
0
1
0

OPERACI
N

8/3
14/3
129/3
40/3

ITERACION 2

BASE
C1
C2
C3
Z

VARIABLES DE DECISION
X1
2/3
-4/3
5/3
1/3

X2
1
0
0
0

X3
0
5
4
-4

VARIABLES DE HOLGURA
C1
1/3
-2/3
-2/3
5/3

C2
0
1
0
0

C3
0
0
1
0

SOLUC.

OPERACI
N

8/3
14/3
129/3
40/3

14/15
43/4

C2
-4/3
5
-4/15

0
5
0

5
5
1

-2/3
5
-2/15

1
5
1/5

0
5
0

14/3
5
14/15

0
4
X
1/5
0

0
4
X
0
0

8/3
4
X
14/15
8/3

C1
2/3
4
X
-4/15
2/3

FIGMM

1
4
X
0
1

0
4
X
1
0

1/3
4
X
-2/15
1/3

Pgina 24

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
C3
5/3
4
X
-4/15
41/15

0
4
X
0
0

4
4
X
1
0

-2/3
4
X
-2/15
-2/15

0
4
X
1/5
-4/5

1
4
X
0
1

29/3
4
X
14/15
89/15

0
-4
X
1/5
4/5

0
-4
X
0
0

40/3
-4
X
14/15
256/15

Z
4/3
-4
X
-4/15
-11/15

0
-4
X
0
0

-4
-4
X
1
0

5/3
-4
X
-2/15
17/15

RESULTADOS DE LA ITERACION 2
BASE
C1
C2
C3
Z

VARIABLES DE DECISION VARIABLES DE HOLGURA


X1
2/3
-4/15
41/15
-11/15

X2
1
0
0
0

X3
0
1
0
0

C1
1/3
-2/15
-2/15
17/15

C2
0
1/5
-4/5
4/5

C3
0
0
1
0

SOLUC.

OPERACI
N

8/3
14/15
89/15
256/15

ITERACION3
BASE
C1
C2
C3
Z

VARIABLES DE DECISION VARIABLES DE HOLGURA


X1
2/3
-4/15
41/15
-11/15

X2
1
0
0
0

X3
0
1
0
0

C1
1/3
-2/15
-2/15
17/15

C2
0
1/5
-4/5
4/5

C3
0
0
1
0

SOLUC.
8/3
14/15
89/15
256/15

OPERACI
N
4
-3.5
2.17

C3
41/15
41/15
FIGMM

0
41/15

0
41/15

-2/15
41/15
Pgina 25

-4/5
41/15

1
41/15

89/15
41/15

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
1

-2/41

-12/41

15/41

89/41

0
2/3
X
-12/41
8/41

0
2/3
X
15/41
-10/41

8/3
2/3
X
89/41
50/41

1/5
-4/15
X
-12/41
5/41

0
-4/15
X
15/41
4/41

14/15
-4/15
X
89/41
62/41

4/5
-11/15
X
-12/41
24/41

0
-11/15
X
15/41
11/41

256/15
-11/15
X
89/41
18.658

C1
2/3
2/3
X
1
0

1
2/3
X
0
1

0
2/3
X
0
0

1/3
2/3
X
-2/41
15/41
C2

-4/15
-4/15
X
1
0

0
-4/15
X
0
O

1
-4/15
X
0
1

-2/15
-4/15
X
-2/41
-6/41
Z

-11/15
-11/15
X
1
0

0
-11/15
X
0
0

0
-11/15
X
0
0

17/15
-11/15
X
-2/41
45/41

RESULTADO DE LA ITERACION 3
TABLA FINAL

BASE

VARIABLES DE DECISION VARIABLES DE HOLGURA


X1

X2

X3

C1

C2

X2

15/41

8/41

X3
X1
Z

0
1
0

0
0
0

1
0
0

-6/41
-2/41
45/41

5/41
-12/41
24/41

FIGMM

Pgina 26

C3
10/41
4/41
15/41
11/41

SOLUC.

50/41
62/41
89/41
18.658

OPERACI
N

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES

DE LA TABLA FINAL NOTAMOS QUE:

Z max =18.658
De donde:

x 1=

89
41

x 2=

50
41

x 3=

62
41

Reemplazando en la funcin objetivo (Z)

Z max .=3

( 8941 )+5( 5041 )+ 4 ( 6241 )

Z max .=18.658

CONCLUSIONES:

FIGMM

Pgina 27

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
El mtodo simplex, emplea bsicamente, la estrategia de resolver
los problemas de programacin lineal por medio de sistemas de
ecuaciones lineales simultneas siempre que se tenga una solucin
factible.
El ptimo, si es que existe, se determina avanzando un punto
esquina adyacente a la vez y comprobando si an existe un punto
esquina que pueda mejorar el valor de la funcin objetivo.
Es vital el uso de este algoritmo simplex en la minera y en cualquier
industria porque optimiza las operaciones y genera las mayores
ganancias con los menores costos
Su importancia est en que es un mtodo que se puede encontrar el
ptimo sin importar el nmero de variables con las que se trabaje a
comparacin de otros mtodos como la programacin Lineal que sus
variables queda restringido a un nmero finito muy pequeo

BIBLIOGRAFA
1. Introduccin a La Investigacin De Operaciones, Sexta Edicin, Hamdy a.
Taha, 1997
2. Investigacin de operaciones, Wayne L. Winston

FIGMM

Pgina 28

INTRODUCCION A LA INVESTIGACION DE
OPERACIONES
Apuntes de clase curso introduccin a la investigacin de operaciones Mineras
universidad Nacional de Ingeniera

FIGMM

Pgina 29

Potrebbero piacerti anche