Professional Documents
Culture Documents
cualquier nmero de variables. Para hacer uso de este mtodo. Se tiene que conocer un conjunto de aspectos importantes.
a) Variables
Xj : Tipo de actividad j u otro tipo de insumo j. Cj : Utilidad por unidad de actividad j o costo por insumo j utilizado. bi : Disponibilidad de recurso i o tipo de requerimiento i. Aij : Parmetros, cantidad de recurso i requerido por actividad j, o cantidad existente de elemento nutritivo i en una unidad de peso. Variable bsica : Ser bsica cuando esta en la solucin (tiene un valor inclusive puede tener el valor de cero). Variable no bsica : aquella que no esta en la solucin. Zj : Expresa la perdida de la utilidad por unidad, cuando una variable bsica se hace no bsica ( es decir cuando va a entrar a la solucin). Si : Variable de holgura, representa el recurso no utilizado (Tambin se comporta como una variable de excedente). Ai : Variable artificial, se le utiliza como artificio, no debe aparecer en la solucin optima.
b) Terminologas
Forma Estndar Expresa el modelo bajo ciertas caractersticas. La funcin objetivo puede ser maximizar o minimizar. Todas las variables son no negativas sean estas Xj o Si o Ai Las restricciones son ecuaciones con excepcin de la restriccin de no negatividad ( ). Los elementos bi son no negativos.
Condicin de Optimidad Permite seguir optimizando la solucin actual dentro del proceso, es decir siempre se va ha encontrar una solucin igual o mejor a la solucin actual. Determina la variable que entra a la nueva solucin. Para Max : Variable que tiene el valor mas positivo en Cj - Zj Para Min : Variable que tiene el valor mas negativo en Cj - Zj
En el proceso del mtodo simplex se tendr una fila semejante a la figura siguiente. Cj - Zj Valor 1 Valor 2 . . . . Valor n
La Condicin de Factibilidad Se aplica si y solo si: Para un Modelo de Maximizacin Al observar los valores de Cj - Zj , vemos que al menos existe un valor mayor que cero, esto indica que todava se puede optimizar la solucin (aumenta el valor de la f.o.), en el caso que no exista ningn valor mayor que cero en Cj - Zj , significa que se ha encontrado la solucin optima (en este caso los valores en Cj - Zj sern todos negativos o ceros). Para un Modelo de Minimizacin Al observar los valores en Cj - Zj vemos que existe al menos un valor negativo, esto indica que todava se puede optimizar la solucin (disminuye el valor de la f.o.), en el caso que no exista ningn valor negativo significa que se ha encontrado la solucin optima ( en este caso los valores en Cj - Zj sern todos ceros o positivos). Condicin de Factibilidad
Determina la variable de salida: Variable de salida: (Max o Min) --> bi / Aij : el coeficiente mnimo indica la fila de la variable de salida. De existir un empate de cocientes mnimos se escoge arbitriamente, pero se recomienda escoger aquella variable que esta en el nivel ms superior. Cociente valido si el valor del correspondiente Aij > 0 2 Universidad Nacional Del Santa Juan Pablo Snchez Chvez
Si la desigualdad es , entonces las Si son las variables bsicas iniciales (es decir estn en la solucin inicial). Nota los subndices i toman el nmero de la restriccin Ejemplo: una 2da restriccin cualquiera X1 + X2 20 Como Ecuacin sera: X1 + X2 + S2 = 20 En este caso como estamos en el origen eso significa que no se produce nada (X1 = 0 y x2 = 0) entonces S2 entrara a la solucin es decir sera una variable bsica asumiendo todo el -simo recurso. Caso: II : VD b --> VD - Si + Ai = b Si la desigualdad es, las Ai sern variables bsicas iniciales. Si la desigualdad es , entonces tendramos que equilibrar la ecuacin, es decir restar una varible Si (variable de excedente) y como estamos en el origen tendramos a esta variable Si con un valor negativo y segn la forma estndar ninguna variable puede ser negativa, por lo tanto a esta variable lo hacemos igual a cero lo que significa que tambin sera una variable no bsica en la solucin inicial; por lo tanto implantamos una variable Artificial Ai que sera variable bsica inicial, pues asumira todo el recurso (es decir estn en la solucin inicial). Nota los subndices i toman el nmero de la restriccin Ejemplo: una 1era restriccin cualquiera X1 + X2 50 Como Ecuacin sera: X1 + X2 S1 + A1 = 50 . Caso: III : VD = b --> VD + Ai = b Si es ecuacin, las Ai son variables bsicas iniciales. Donde: 3 Universidad Nacional Del Santa Juan Pablo Snchez Chvez
VD : Variable de decisin. b : Recurso disponible. Si : Variable de holgura si () y variable de excedente si ( ). Ai : Variable artificial.
V.B. S1 S2 Zj Cj - Zj Cj 0 0
Cj 0 0
X1 50 3 50 0 50
X2 30 5 20 0 30
S1 0 1 0 0 0
S2 0 0 1 0 0
LD Bi 15 100 0
Los valores superiores son los de la funcin objetivo La fila de S1 : Llamada ecuacin S1, tiene los coeficientes de cada variable en forma estndar y la solucin para la variable Si en Bi. La fila de S2 : Llamada ecuacin S2 tiene los coeficientes de cada variable de la forma estndar y su valor Bi La fila de Zj : Perdida de la utilidad por unidad, se obtiene sumando los productos de Cj x Aij.
X1 3 = 0 50 = 0 Z = 0 +
Cj 0 0
X2 5 = 0 20 = 0 Z = 0 +
Cj 0 0
Bi 15 = 0 100 = 0 Z = 0 +
X1
50 0 = 50
1ra iteracin V.E. = X1 V.S. = S2 Aij (pivote) = 50 Nota : en cada iteracin se obtuvo una ecuacin pivote de la variable que entra. 5 Universidad Nacional Del Santa Juan Pablo Snchez Chvez
Ecuacin pivote : (Aij de la variable de salida... Bi ) / (Aij (pivot) . . . pvot) Ecuacion pivot
X1 50 / 50
X2 20 / 50
S1 0 / 50
S2 1 / 50
Bi 100 / 50
Variables Bsicas S1 S2 Zj Cj - Zj S1 X1 Zj Cj - Zj
Cj
X1 50 3 50 0 50 0 1 50 0
X2 30 5 20 0 30 19/5 2/5 20 10
S1 0 1 0 0 0 1 0 0 0
S2 0 0 1 0 0 -3/50 1/50 1 -1
Bi
Bi / A ij
0 0
15 100 0 9 2 100
5 2
0 50
Nuevos elementos
3 x 6
0 15
3 x 3 x
1 / 50 = -3 / 50 2 = 9
Proceso iterativo: Iterar significa repetir el proceso una y varias veces, hasta que ya no se pueda utilizar la condicin de optimidad, es decir hasta alcanzar la solucin optima. Aplicacin de la condicin de optimidad: Como el modelo es de maximizacin, al analizar la fila Cj - Zj debe haber al menos un valor mayor que cero, para aplicar esto, si hay mas de una se escoge el mayor, en caso de empate se escoge cualquiera. En este caso el valor correspondiente a la variable X1 (entonces la variable de entrada es X1, todas la Aij de la columna de X1 componen la columna optima. Aplicacin de la condicin de Optimidad: es valido si La variable de salida es aquella que
corresponde al cociente valido mas pequeo (maximizacin o minimizacin) un cociente Bi / Aij , donde el denominador debe ser positivo.
La fila que tiene el cociente valido mas pequeo interceptado con la columna optima, al Aij de intercepcin se le llama elemento pivote, y al resto de elementos Aij de la columna optima se les conoce como elementos interseccionales correspondientes a cada ecuacin. Ejm. Cuadro inicial, al cociente menor corresponde a la variable S2 , entonces la variable de S2. 50 = elemento pivote. 2 = elemento interseccional S1 en la primera iteracin. X1 0 1 50 0 X2 19/5 2/5 20 10 S1 S2 1 -3/50 0 0 0 1/50 1 -1
S1 X1 Zj Cj - Zj Segunda Iteracin -
0 50
9 2 100
45 / 19 5
De la columna Bj / Aij se escoge el menor valor positivo 45 / 19 y se encuentra la variable de salida Si y el elemento pivote es 2 / 5, siguiendo el mismo proceso iterativo anterior llegamos al cuadro siguiente con la nueva ecuacin pivote:
X2 ; 0 ; 1 ; 5 / 19 ; 3 / 190 ; 45 / 19 Segundo cuadro iterativo X2 X1 30 50 0 1 50 0 1 5/19 3/190 0 -2/13 21 /950 30 50/19 60 /95 0 -50/19 -60 /95 X1 50 X2 30 45/19 20/19 2350/19
V.B. S1 X1
Cj 0 50
S1 0
S2 0
En esta columna van los coeficientes de las variables que son bsicas en la iteracin respectiva, luego calculamos los valores de la fila Zj y luego restar Cj - Zj Para X1 1
Para X1 Cj 0 50 50 0 1 50 0 Para S2 0 -3/50 0 1/50 50 Universidad Nacional Del Santa 1 -1 Cj Cj S1 X1 Zj Cj - Zj 0 50 50 19/5 2/5 20 10 Cj S1 X1 Zj Cj - Zj 0 50 0