Sei sulla pagina 1di 5

Mtodo Simplex

El mtodo grfico para resolver problemas de programacin lineal tiene una particularidad, solo aplica para
resolver problemas con dos variables de decisin. Sin embargo, los problemas cotidianos de programacin lineal
que se enfrentan regularmente los especialistas en IO, involucran un nmero mayor de variables y a veces
compuestos de cientos de restricciones por lo que es necesario auxiliarse de programas computacionales,
basados en el algoritmo Simplex, para la solucin de los mismos.
Para la aplicacin del algoritmo Simplex se transforma el modelo de programacin original, formado por
restricciones funcionales de desigualdad, en un modelo de forma estndar, integrado por restricciones de
igualdad equivalentes. Esta conversin se logra con la introduccin de variables de holguras y/o supervit.
Variables de holgura. Aplica para las restricciones del tipo (<=), donde el lado derecho de la desigualdad
representa el limite sobre la disponibilidad de un recurso y el lado izquierdo representa la utilizacin de ese
recurso limitado que hacen las variables del modelo. Esto quiere decir que una holgura representa la cantidad
disponible del recurso que excede a la utilizacin que se le da. En la conversin de este tipo de desigualdad se
aade una variable de ajuste (Xi o Hi) para convertirla en igualdad. Por ejemplo, tenemos la siguiente restriccin:
3X1 + 2X2 <= 6, su equivalente seria, 3X1 + 2X2 + X3 = 6.
Variables de supervit. Aplica para las restricciones del tipo (>=), generalmente determinan los
requerimientos mnimos de especificaciones. Es decir, un supervit representa el exceso mnimo del lado
izquierdo sobre el requerimiento mnimo de la restriccin. En la conversin de este tipo de desigualdad se resta
una variable de ajuste (Xi o Si) para convertirla en igualdad. Por ejemplo, tenemos la siguiente restriccin: X1 +
3X2 >= 5, su equivalente seria, X1 + 3X2 - X3 = 5.
La solucin del algoritmo Simplex se puede realizar de forma algebraica o de forma tabular. Para los fines de
este apartado se explicar el desarrollo del algoritmo en su forma tabular. Antes de iniciar, se deben plantear
algunos conceptos importantes: variables bsicas, variables no bsicas, solucin bsica factible, variable de
entrada, variable de salida, iteracin, condicin de optimalidad (criterio de entrada) y condicin de factibilidad
(criterio de salida).
La forma estndar de un problema de programacin lineal se compone de m ecuaciones lineales simultaneas en
n incgnitas o variables, donde m es menor que n (m < n). Este conjunto de variables se puede segmentar en
dos grupos: (1) m - n variables, a las cuales se le asigna un valor cero y (2) las restantes m variables, cuyos
valores se determinan resolviendo las m ecuaciones resultantes. Si la m ecuaciones conducen a
una nica solucin, estas variables se denominan variables bsicas y las n - m restantes variables se les llaman
variables no bsicas.
En el inicio de un algoritmo Simplex, se consideran todas las variables de holguras y ficticias adicionadas en la
forma estndar, con valores cero, procedimiento que se denomina solucin bsica factible inicial. Se denomina
una solucin bsica factible si las m variables bsicas son no negativas (>= 0). Si cualquiera de estas m
variables es igual a cero se considera un solucin BF degenerada. Despus se trata de encontrar
otra solucin bsica factible que mejorar el valor del objetivo, proceso denominado iteraciones. Para que una
variable cero actual se convierta en positiva, debe eliminarse una de las variables bsicas actuales, es decir,
volver esta ltima no bsica a nivel cero. Esto introduce dos conceptos, la variable cero seleccionada es la
variable de entrada y la variable bsica eliminada es la variable de salida.
Condicin de optimalidad. La variable de entrada en un problema de maximizacin es la variable no bsica que
tiene el coeficiente ms negativo en la fila Z o funcin objetivo. En el caso de minimizacin, la variable de entrada
se define como la variable no bsica que tiene que tiene el coeficiente ms positivo en la fila Z.
Condicin de factibilidad. Tanto para los problemas de maximizacin como de minimizacin, la variable de
salida es la variable bsica asociada con la razn no negativa ms pequea. En caso de empates se rompen
arbitrariamente y se descartan las razones negativas o indefinidas. Cuando se refiere a razn se entiende por
la divisin de los lmites del lado derecho entre los coeficientes de la columna de la variable de entrada.

La solucin de un problema de PL a travs del algoritmo Simplex, en su forma tabular, consiste en clculos para
encontrar una nueva solucin bsica fundamentada en operaciones algebraicas de la metodologa Gauss-Jordn
para la solucin de sistemas de ecuaciones simultneas por matrices. Donde se tiene una columna pivote
(columna de la variable de entrada) y un regln o fila pivote (variable de salida). La interseccin de estos dos
constituye el elemento pivote, que en la tabla se lleva a la unidad (valor 1).
Los clculos del mtodo Simplex son iterativos, es decir, se aplican condiciones y clculos fijos a la
tabla Simplex actual para producir la siguiente tabla. Por tanto, se denomina iteraciones a las tablas sucesivas.
Para ejemplificar el funcionamiento del algoritmo Simplex se selecciona el problema de maximizacin. Este
problema se compone de 3 variables de decisin y 4 restricciones.

Modelo PL Inicial Problema 5.3-4

El primer paso es transformar el modelo de PL en su forma estndar, agregando 4 variables de holguras,


producto de restricciones (<=), X4, X5, X6 y X7. En la forma tabular del algoritmo Smplex el regln Z
o funcin objetivo se trasladan los coeficientes al lado izquierdo de la igualdad por lo que estos reflejan
una variacin de signos.

Solucin bsica factible inicial

Los coeficientes en el regln Z de las variables de holgura son cero y en el recuadro debajo de estos se identifica
la matriz de identidad.

Iteracin 1: variable de entrada X1 y variable de salida X4

En la primera iteracin se tiene que la variable de entrada X1, que se define por el coeficiente ms negativo en
el regln Z (-20), por consiguiente representa mayor aporte a la funcin objetivo. Luego se calculan los limites
(razones) para definir la variable de salida (razn mnima), se divide la columna de recursos entre los
coeficientes de la columna de la variable de entrada, obtenindose, Lx4, Lx5, Lx6 = 25, y Lx7 no definido. Como
se tiene un triple empate se escoge arbitrariamente la salida de X4. El siguiente paso es convertir a uno el
coeficiente pivote, en este caso se divide entre 8 el regln completo. Luego se aplica la metodologa GaussJordn para convertir los dems coeficientes de la columna X1 en cero. Los clculos realizados: (+20) mult. Por
fila pivote + regln Z; (-4) mult. por fila pivote + fila (X5) y (-2) mult. por fila pivote + fila (X6).

Iteracin 2: variable de entrada X2 y variable de salida X5

En la segunda iteracin se tiene que la variable de entrada X2, con el coeficiente ms negativo en el regln Z (1). Luego se calculan los limites (razones) para definir la variable de salida, obtenindose, Lx1 = 25, Lx5 = 0, Lx6
= 0 y Lx7 no definido. Como se tiene un doble empate se escoge arbitrariamente la salida de X5. Se divide entre
(+2) el regln pivote completo. Los clculos por Gauss-Jordn realizados: (+1) mult. Por fila pivote + regln Z; (1/4) mult. Por fila pivote + fila (X1) y (+1/2) mult. Por fila pivote + fila (X6).

Iteracin 3: variable de entrada X3 y variable de salida X7

En la tercera iteracin se tiene que la variable de entrada X3 y la variable de salida X7. Los clculos por GaussJordn realizados: (+5/4) mult. Por fila pivote + regln Z; (-9/16) mult. Por fila pivote + fila (X1); (+3/4) mult. Por
fila pivote + fila (X2) y (+1/8) mult. Por fila pivote + fila (X6).
La ltima tabla muestra en el regln Z que todos los coeficientes son ceros o con valores positivos. Se aplica
la condicin de optimalidad, encontrndose que no hay variable de entrada por lo que la solucin expresada
es ptima para este modelo. Con un valor objetivo Z= 525, X1 = 55/4 = 13.75, X2 = 15, X3 = 20 y una holgura
con X6 = 2.5.
A modo general, el mtodo Smplex consta de los pasos siguientes:
1. Determinar una solucin bsica factible inicial.
2. Definir una variable de entrada empleando la condicin de factibilidad. El algoritmo se detiene cuando ya
no hay una variable de entrada.
3. Seleccionar una variable de salida empleando la condicin de factibilidad.
4. Determinar las nuevas soluciones bsicas factibles aplicando los clculos apropiados a travs de
la metodologa Gauss-Jordn.

Otras variantes del mtodo Simplex son el mtodo de la M grande y el mtodo de las dos fases. Ambos se
aplican cuando se incorporan restricciones del tipo (<=) que implica agregar una variable ficticia para completar
la matriz de identidad de las variables bsicas requeridas por el algoritmo Simplex para iniciar las iteraciones.
En el mtodo de la M grande se incorpora a la o las variables ficticias una penalidad denota por "M" cuyo valor
es bastante grande (dgase >1000) en la funcin objetivo, luego se obliga que su valor sea cero en
la solucin final.
En el caso del mtodo de las dos fases como su nombre lo indica resuelve los problemas de programacin lineal
en dos fases. La fase I trata de encontrar una solucin inicial factible bsica, de ser posible, minimizando la suma
de las variables artificiales. En la fase II se utiliza la solucin anterior para resolver el problema original, ya con
las variables artificiales eliminadas del modelo de programacin lineal.

Universidad del Pacifico


UNIP

Investigacin de Operaciones

Docente: Ing. Claudia Espinoza.


Alumno: Kevin A. Estrada Quiroz.
Ingeniera en sistemas e informtica

Potrebbero piacerti anche