INSTITUTO NACIONAL DE MEXICO

INSTITUTO TECNOLOGICO DE VERACRUZ

ALUMNO:
JORGE ALBERTO CRUZ
CALDELAS

N° CONTROL:
E16020482

ASIGNATURA:
ECONOMIA

PROFESOR:
ELIZALDE COLORADO EMILIO

FECHA:
29/05/2018
2
3
MÉTODO SIMPLEX
El método Simplex permite encontrar los valores óptimos en situaciones donde deben
respetarse muchos aspectos. Ante un problema, las desigualdades se establecen limitaciones
que representan a las variables. A partir de ahí, se prueba posibilidades con el fin de
optimizar el resultado tan pronto como sea posible.
El uso más común de la Simplex es maximizar el resultado, es decir, encontrar el valor más
grande posible para un total. Los problemas típicos de resolver con Simplex están buscando
cantidades óptimas de productos para ser vendidos, con restricciones en el almacenamiento y
la producción de los mismos.

La idea es para aislar una función como el objetivo. Las cantidades que desee optimizar están
representados por las variables aquí llamados , y la función objetivo se presenta como siendo
los coeficientes de las variables. Estos muestran la proporcionalidad entre ellos.

Por lo general son números racionales obtenidos en el problema que desea resolver.
Las restricciones se presentan como las desigualdades. Peculiaridades indican el hecho de
que una empresa sólo es capaz de almacenar un determinado peso o volumen de los
productos, por ejemplo.

Entre las posibilidades de los valores de las variables que satisfagan las limitaciones, el
algoritmo debe encontrar a los que dan la función objetivo el total más alto posible.

OPERACIÓN
Relacionado con la programación lineal, se trabaja con funciones de 1º grado, la idea del
algoritmo es bastante simple. Inicialmente, se asigna el valor cero a variables, sería muy
lejos de la solución.

A continuación, se incrementa gradualmente a la variable que tiene la interferencia más

positivo en los resultados de la función objetivo, es decir, el que tiene el coeficiente más
alto. Esto se llama “la variable activa” y tiene una gran importancia inicial, ya que es el más
“rentable” ellos, es decir, que nos lleva más cerca de optimización.

A medida que este valor aumenta, el algoritmo comprueba todas las restricciones, hasta que
uno de ellos no se cumple. Esta restricción se llama la “restricción activa”. En este momento,
se sabe la variable activa máxima.

El procedimiento se desplaza a la siguiente variable que nos trae buena solución, siempre
teniendo en cuenta la cantidad máxima que el primero podría lograr. Cada uno de estos
cambios, el Simplex convierte todos los coeficientes (incluyendo la función objetivo) de
acuerdo con los límites que se encuentran en las sucesivas restricciones activas.

4
El procedimiento se repite hasta que el incremento de las variables se presente como una
disminución en total alcanzado. Esto se identifica con el signo negativo delante de los
coeficientes de la función objetivo. Al final, los valores buscados son conocidos por medio de
un sistema de ecuaciones, los derivados de la problema original.

MINIMIZACIÓN
Aunque los ejemplos son casi siempre maximizando el Simplex también comprende los casos
en que desea encontrar el valor más pequeño posible. Los costos y gastos son algunos de los
resultados buscados comúnmente en estas situaciones.

Para ello, el algoritmo puede ser perfectamente adaptado con el fin de resolver un problema
en el que desea encontrar un pequeño resultado. Sin embargo, lo que se hace a menudo es
simplemente invertir todas las relaciones, multiplicando los coeficientes por -1 y haciendo
que el problema original es visto como un simple maximización.

CUADRO
Ya implementada en varios idiomas diferentes, el Simplex también se puede aplicar de forma
manual. El método, conocido como Tableau, es poner toda la información organizada de
forma correcta en un marco, haciendo exactamente lo que el software lo haría. En muchos
lugares, el Simplex se enseña en este camino, por lo que la gente tiene un buen campo de la
técnica de optimización.

MATRICES
El algoritmo de procesamiento puede ser realizado por un producto de matriz. Una vez que
los coeficientes están correctamente dispuestos en filas y columnas, es suficiente que este se
multiplica por una versión modificada de la “identidad Matrix”, de tamaño igual al número de
variables.

La versión modificada tiene una línea formada por los coeficientes simétricos de la línea
relativa a la limitación violado dividido por el coeficiente de la variable violada. Esta línea se
corresponderá, en orden, a la variable que violó la restricción.

Este producto hace que las matrices siempre tiene una lista de coeficientes ya modificados
de acuerdo con las restricciones y los mejores valores posibles para las variables hasta la
fecha. El proceso se repite hasta que encuentre el resultado óptimo, es decir, cuando ya no
es posible mejorar el total sin violar las restricciones.

EN EL ESPACIO DE DIMENSIÓN N
Si se considera a la óptica geométrica, el Simplex trabajando en la construcción de un
politopo con un número de dimensiones igual al número de variables del problema. La
solución óptima será siempre un conjunto de coordenadas de los vértices del politopo.

5
Cada incrementar una variable, es como el Simplex percorresse uno de los bordes, siempre en
busca de la punta perfecta.

COMPLEJIDAD
Formalmente, se cree que la complejidad del algoritmo Simplex ser exponencial. Muestra que
en una aplicación ingenua, cada iteración en busca de la mejor solución es, en principio, la
complejidad en términos de variables y restricciones.

Sin embargo, utilizando el enfoque de procesamiento lineal en cada iteración de la totalidad

del sistema se enciende de manera que el vértice anterior es el nuevo origen de la
complejidad por iteración se convierte.

Por supuesto, la pregunta es ¿cuántas iteraciones son necesarias para alcanzar los criterios de
parada. Un límite superior para este número es, el extremo que conduce a la complejidad
exponencial en a.

Afortunadamente, tanto Papadimitriou como informó de que, en la práctica, pocos problemas

tomando esta complejidad y, por lo tanto, el algoritmo Simplex es muy utilizado.

6
MÉTODO GRAFICO
NTERPRETACIÓN GRÁFICA DEL MÉTODO SIMPLEX
El método Gráfico o método Geométrico permite la resolución de problemas sencillos de
programación lineal de manera intuitiva y visual. Este método se encuentra limitado a problemas de
dos o tres variables de decisión ya que no es posible ilustrar gráficamente más de 3 dimensiones.

Aunque en la realidad rara vez surgen problemas únicamente con dos o tres variables de
decisión resulta, sin embargo, muy útil esta metodología de resolución. Al reproducir gráficamente
las situaciones posibles como son la existencia de una solución óptima única, soluciones óptimas
alternativas, la no existencia de solución y la no acotación, constituye una ayuda visual para
interpretar y entender el algoritmo del método Simplex (bastante más sofisticado y abstracto) y los
conceptos que lo rodean.

Las fases del procedimiento de resolución de problemas mediante el método Gráfico son las
siguientes:

1. Dibujar un sistema de coordenadas cartesianas en el que cada variable de decisión esté

representada por un eje.

2. Establecer una escala de medida para cada uno de los ejes adecuada a su variable asociada.

3. Dibujar en el sistema de coordenadas las restricciones del problema, incluyendo las de no

negatividad (que serán los propios ejes). Notar que una inecuación define una región que será
el semiplano limitado por la línea recta que se tiene al considerar la restricción como una
igualdad, mientras que si una ecuación define una región que es la propia línea recta.

4. La intersección de todas las regiones determina la región factible o espacio de soluciones

(que es un conjunto convexo). Si esta región es no vacía, se continuará con el paso siguiente.
En caso contrario, no existe ningún punto que satisfaga simultáneamente todas las
restricciones, por lo que el problema no tendrá solución, denominándose no factible.

5. Determinar los puntos extremos o vértices del polígono o poliedro que forma la región factible.
Estos puntos serán los candidatos para la solución óptima.

6. Evaluar la función objetivo en todos los vértices y aquél (o aquellos) que maximicen (o
minimicen) el valor resultante determinaran la solución óptima del problema.

7
PROBLEMA DEL TRANSPORTE O
DISTRIBUCIÓN

El problema del transporte o distribución, es un problema de redes especial

en programación lineal que se funda en la necesidad de llevar unidades de un punto
específico llamado fuente u origen hacia otro punto específico llamado destino. Los
principales objetivos de un modelo de transporte son la satisfacción de todos los
requerimientos establecidos por los destinos, y claro está, la minimización de los costos
relacionados con el plan determinado por las rutas escogidas.
El contexto en el que se aplica el modelo de transporte es amplio y puede generar
soluciones atinentes al área de operaciones, inventario y asignación de elementos.
El procedimiento de resolución de un modelo de transporte se puede llevar a cabo
mediante programación lineal común, sin embargo su estructura permite la creación de
múltiples alternativas de solución tales como la estructura de asignación o los métodos
heurísticos más populares como Vogel, Esquina Noroeste o Mínimos Costos.

Bryan Antonio Salazar López

Los problemas de transporte o distribución son uno de los más aplicados en la economía
actual, dejando como es de prever múltiples casos de éxito a escala global que estimulan
la aprehensión de los mismos.
Se debe determinar un esquema óptimo de transporte que se origina en los lugares de
oferta donde la existencia de cierta mercancía es conocida, y llega a los lugares de
donde se conoce la cantidad requerida. El costo de cada envió es proporcional a la
cantidad transportada y, el costo total es la suma de los costos individuales. El modelo
de transporte tiene notable interés por sus
importantes aplicaciones que, como se vera en
varios ejercicios, no se restringe únicamente a la
distribución de mercancías.

Su procedimiento especifico de solución, llamado

algoritmo de transporte consta de dos fases y es
rápido y eficiente. La primera fase consiste en
obtener una solución factible inicial. Se pasa
después a la segunda fase, en la que se comprueba
si la solución obtenida en la primera fase es óptima,
y si no lo es, como mejorarla.

8
MÉTODO DE LA ESQUINA NOROESTE

El método de la esquina Noroeste es un algoritmo heurístico capaz de solucionar problemas

de transporte o distribución, mediante la consecución de una solución básica inicial que satisfaga
todas las restricciones existentes, sin que esto implique que se alcance el costo óptimo total.
Este método tiene como ventaja frente a sus similares, la rapidez de su ejecución, y es utilizado
con mayor frecuencia en ejercicios donde el número de fuentes y destinos sea muy elevado.

Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina Noroeste.
Es común encontrar gran variedad de métodos que se basen en la misma metodología de la
esquina Noroeste, dado que podemos encontrar de igual manera el método e la esquina Noreste,
Sureste o Suroeste.

Se parte por esbozar en forma matricial el problema, es decir, filas que representen fuentes y
columnas que representen destinos, luego el algoritmo debe de iniciar en la celda, ruta o esquina
Noroeste de la tabla (esquina superior izquierda).

PASO 1:
En la celda seleccionada como esquina Noroeste se debe asignar la máxima cantidad de
unidades posibles, cantidad que se ve restringida ya sea por las restricciones de oferta o de
demanda. En este mismo paso se procede a ajustar la oferta y demanda de la fila y columna
afectada, restándole la cantidad asignada a la celda.
PASO 2:
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del
"Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se
deja con demanda u oferta cero (0) según sea el caso.
PASO 3:
Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o columna,
si este es el caso se ha llegado al final el método, "detenerse".
La segunda es que quede más de un renglón o columna, si este es el caso iniciar nuevamente
el "Paso 1".

9
 MÉTODO DEL COSTO MÍNIMO
El método del costo mínimo o método de los mínimos costos es un algoritmo desarrollado
con el objetivo de resolver problemas de transporte o distribución, arrojando mejores resultados
que métodos como el de la esquina noroeste, dado que se enfoca en las rutas que presentan
menores costos.
El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores, dado que se
trata simplemente de la asignación de la mayor cantidad de unidades posibles (sujeta a las
restricciones de oferta y/o demanda) a la celda menos costosa de toda la matriz hasta finalizar
el método.

El método de costo mínimo trata de localizar una mejor solución inicial del modelo de
transporte, utilizando las rutas baratas.

El procedimiento es como sigue: asigne tanto como sea posible a la variable con el costo
unitario más pequeño en la tabla completa. Si la columna y el renglón se satisfacen
simultáneamente únicamente uno puede ser tachado. Después ajuste la oferta y la demanda
para todos los elementos no tachados, repita el proceso asignando tanto como sea posible a la
variable no tachada con el costo unitario más pequeño. El procedimiento está completo cuando
sólo un renglón o una columna están sin tachar.

PASO 1:
De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad que se ve
restringida ya sea por las restricciones de oferta o de demanda. En este mismo paso se procede
a ajustar la oferta y demanda de la fila y columna afectada, restándole la cantidad asignada a la
celda.
PASO 2:
En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del
"Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se
deja con demanda u oferta cero (0) según sea el caso.
PASO 3:
Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o columna,
si este es el caso se ha llegado al final el método, "detenerse".
La segunda es que quede más de un renglón o columna, si este es el caso iniciar nuevamente
el "Paso 1".

10
 MÉTODO DE APROXIMACIÓN DE
VOGEL
El método de aproximación de Vogel es un método heurístico de resolución de problemas de
transporte capaz de alcanzar una solución básica no artificial de inicio, este modelo requiere de
la realización de un número generalmente mayor de iteraciones que los demás métodos
heurísticos existentes con este fin, sin embargo produce mejores resultados iniciales que los
mismo.

El método consiste en la realización de un algoritmo que consta de 3 pasos fundamentales y 1

más que asegura el ciclo hasta la culminación del método.
PASO 1
Determinar para cada fila y columna una medida de penalización restando los dos costos
menores en filas y columnas.

PASO 2
Escoger la fila o columna con la mayor penalización, es decir que de la resta realizada en el
"Paso 1" se debe escoger el número mayor. En caso de haber empate, se debe escoger
arbitrariamente (a juicio personal).
PASO 3
De la fila o columna de mayor penalización determinada en el paso anterior debemos de escoger
la celda con el menor costo, y en esta asignar la mayor cantidad posible de unidades. Una vez
se realiza este paso una oferta o demanda quedará satisfecha por ende se tachará la fila o
columna, en caso de empate solo se tachará 1, la restante quedará con oferta o demanda igual
a cero (0).
PASO 4: DE CICLO Y EXCEPCIONES
- Si queda sin tachar exactamente una fila o columna con cero oferta o demanda, detenerse.

- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las variables
básicas en la fila o columna con el método de costos mínimos, detenerse.

- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda, determine las
variables básicas cero por el método del costo mínimo, detenerse.

- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las ofertas y las
demandas se hayan agotado.

11