VARIANTES DEL MTODO SIMPLEX

Cuando en el modelo de P.L., se presentan restricciones

del tipo = o , el mtodo simplex ya no se puede utilizar
para generar soluciones, por lo que ahora se debe
recurrir a las llamadas variantes del mtodo simplex
que son tcnicas diseadas para tal efecto. Entre dichas
tcnicas se tienen:

a) Mtodo de la Gran M.
b) Mtodo de Doble Fase.

MTODO DE LA GRAN M

Este mtodo es de tipo alfanumrico, y tiene la gran

desventaja de ser computacionalmente ineficiente.
Tambin se le llama mtodo de penalizacin.
Se aplica del modo siguiente:

1.- Formular el modelo de P.L.

2.- Estandarizar el modelo de P.L., agregando las
variables de holgura necesarias, pero adems a las
restricciones del tipo = o , hay que agregarles al lado
izquierdo, una variable no negativa llamada variable
artificial denotada por ai ( i = 1,2,,m)
3.- Como el agregar la variable artificial a las
restricciones mencionadas con anterioridad, viola el
status de estas, entonces para corregir esta anomala,
se penaliza a la funcin objetivo agregando las
variables artificiales a esta, con un coeficiente denotado
por M, que es una cantidad muy grande, de tal modo
que si la funcin objetivo es del tipo Maximizar M se
agrega restando y si es del tipo Minimizar M se agrega
sumando.
4.- Igualar con cero la funcin objetivo.
5.- Construir la tabla como se seal en el mtodo
simplex.
6.- Checar que en el rengln objetivo de la tabla los
coeficientes de las variables bsicas iniciales sean cero,
y de no ser as hacer la reduccin adecuada utilizando
eliminacin gaussiana.
7.- Proceder como en el mtodo simplex hasta obtener
la solucin ptima si esta existe.

MTODO DE DOBLE FASE

Este mtodo elimina la deficiencia computacional del

mtodo de la Gran M.
Se aplica del modo siguiente:

1.- Formular el modelo de P.L.

2.- Estandarizar el modelo de P.L., agregando las
variables de holgura necesarias, pero adems a las
restricciones del tipo = o , hay que agregarles al lado
izquierdo, una variable no negativa llamada variable
artificial denotada por ai ( i = 1,2,,m)

FASE I
3.- Sustituir la funcin objetivo original por una nueva
funcin objetivo del tipo minimizar, que es igual a la
suma de las variables artificiales que tenga el modelo.
4.- Igualar la nueva funcin objetivo con cero.
5.- Construir la tabla como en el mtodo simplex.
6.- Antes de empezar a iterar, checar que las variables
bsicas actuales, tengan coeficiente cero en el rengln
objetivo de la tabla, y de no ser as utilizar eliminacin
gaussiana para hacer las reducciones necesarias.
7.- Proceder como en el mtodo simplex para generar
nuevas soluciones, hasta que la funcin objetivo actual
adquiera el valor cero y en ese momento parar, con lo
cual termina la Fase I. Si no toma valor cero la funcin
objetivo actual, es seal de que el problema no tiene
solucin al menos por este mtodo.

FASE II

8.- Retomar la funcin objetivo original e igualarla con

cero.
9.- utilizar la ltima tabla obtenida en la fase I, pero
eliminando las columnas de las variables artificiales,
cuya funcin ya fue utilizada en dicha fase.
10.- Sustituir el rengln objetivo de la tabla por los
valores de la funcin objetivo original que previamente
fue igualada con cero.
11.- Checar que los coeficientes de las variables bsicas
actuales en el rengln objetivo de la tabla sean cero, y
de no ser as, utilizar eliminacin gaussiana para hacer
las reducciones necesarias.
12.-Proceder como en el mtodo simplex para generar
nuevas soluciones, hasta obtener la ptima si esta
existe.

FIN