El Algoritmo Simplex 1. 1.

1 Generalidades Definicin: El algoritmo Simplex es un procedimiento iterativo a travs del cual se obtiene una serie de soluciones bsicas factibles, con la caracterstica de que en cada nueva solucin el valor de la funcin objetivo aumenta o disminuye segn se trate de un problema de maximizacin o de minimizacin. En sntesis, el algoritmo simplex evala soluciones bsicas factibles hasta llegar a la solucin ptima. Es decir: el simplex busca optimalidad. Desde el punto de vista grfico el Simplex evala solo soluciones que se encuentren en los vrtices de la regin factible. Fundamentacin conceptual: El simplex es un mtodo matemtico cuyas iteraciones se basan en la aplicacin de dos condiciones o pruebas: a) La condicin de optimalidad: garantiza que en toda nueva solucin el valor de la FO aumenta o disminuye segn el problema sea de maximizacin o minimizacin. Toma en cuenta la FO y de acuerdo con ella debe seleccionarse en primer lugar aquella actividad (variable) que represente el mayor incremento o la mayor disminucin en el valor de la FO. b) La condicin de factibilidad: garantiza que la nueva solucin se puede ejecutar con la disponibilidad actual de recursos, es decir que los recursos disponibles son suficientes para ejecutar la solucin. Algebraicamente el cumplimiento de esta condicin asegura que la nueva solucin satisface simultneamente todas las restricciones y por consiguiente el valor de las variables bsicas es mayor o igual a cero.

1.2

1.3 Fundamentacin Matemtica: El fundamento matemtico del Simplex es la Inversin de matrices por el mtodo de eliminacin de GaussJordan. Recordemos que: Dada la matriz A A-1 es la inversa de A, si y solo si A.A-1 = A-1.A = I

Cmo encontrar la inversa de A utilizando Gauss- Jordan? Primero se escribe la matriz dada y se aumenta en la matriz idntica, as: [ A I I] Segundo mediante operaciones sobre las filas de la matriz aumentada, transformar la matriz A, en una matriz idntica. Si la transformacin es posible significa que A admite inversa y esta se puede leer donde inicialmente se encontraba la matriz idntica. La transformacin de A en idntica se realiza mediante el mtodo de eliminacin de Gauss-Jordan, cuyos pasos bsicos, realizados columna por columna, son: - Convertir los elementos aij = 1 para todo i = j - Convertir los elementos aij = 0 para todo i j 1.4 La tabla simplex: La otra caracterstica del mtodo simplex es la necesaria organizacin de los datos en una tabla. Esta tabla siempre se plantea para la solucin bsica inicial. Se llama solucin bsica inicial, a la solucin en el origen, es decir a la solucin en la que no se ha ejecutado ninguna actividad. Para plantear la tabla simplex es necesario tener el problema en lo que se denomina la forma estndar, es decir, todas las restricciones son Investigacin de Operaciones I Msc. Misael Cruz Monroy

Universidad Tecnolgica de Bolvar

igualdades, los trminos del lado derecho son positivos y las variables no negativas. Entonces, si todas las restricciones son de la forma () solo se requieren variables de holgura y en consecuencia las variables de decisin sern iguales a cero (variables no bsicas) y las variables de holgura sern las variables bsicas iniciales. Por el contrario, si el problema tiene restricciones de la forma (=) y/o ( ) se deben utilizar variables de exceso y variables artificiales, en cuyo caso las variables de decisin y las variables de exceso, sern las variables no bsicas y las variables de holgura y las variables artificiales, sern las variables bsicas iniciales. La estructura de la tabla simplex, es de la siguiente forma: Cj Base . . Ci Solucin . . Var. no bsicas. Xj . . Var. bsicas Xi . .

Xi
. . Zj Cj - Zj

bi
. . Ci.bi

aij

I
.

Ci. aij Dj

0 0

Donde, Xi = conjunto de variables bsicas (base) Ci = coeficiente de las variables bsicas en la FO bi = valor de las variables bsicas (Xi = bi) Zo = Cibi = valor de la FO Xj = conjunto de variables no bsicas Cj = coeficiente de las variables no bsicas en la FO

aij = coeficiente de las variables no bsicas dentro de las restricciones

I = matriz identidad (determinada por los coeficientes de las variables bsicas) Zj = Ci. aij Dj = Cj Zj = costo reducido (si est asociado a variables de decisin) precio sombra (si est asociado a variables de holgura) El Dj representa la variacin en el valor de la FO por c/u de la variable no bsica Xj.

Si el Dj es positivo (+) entonces representa aumento Si el Dj es negativo () entonces representa disminucin Si el Dj es cero (0) entonces indica que no hay cambio Investigacin de Operaciones I Msc. Misael Cruz Monroy

Universidad Tecnolgica de Bolvar

2.

El algoritmo Simplex Procedimiento:

Para ilustrar la aplicacin del mtodo Simplex, vamos a utilizar el siguiente problema:
Una fbrica de productos qumicos elabora dos productos que se venden como materia prima para otras empresas fabricantes de jabones para bao, detergentes para lavandera y otros productos de jabn. Apoyndose en un anlisis de los niveles actuales de inventario y de la demanda potencial para las prximas 5 semanas, la administracin de la empresa ha especificado que la produccin total de los productos 1 y 2 combinados debe ser de por los menos 350 galones. Adems, debe cumplir con el pedido de un cliente importante de 125 galones del producto 1. El tiempo de proceso del producto 1 requiere 2 horas por galn, y del producto 2 requiere de 1 hora. Para las siguientes 5 semanas hay disponibles 3 operarios cada uno de los cuales trabaja 40 horas por semana. Los costos de produccin son de $200.oo por galn del producto 1 y $300 por galn del producto 2 . Encuentre la solucin ptima utilizando el algoritmo simplex.

1. Formular el problema: Min. Z = 200X1 + 300X2 s.a. X1 + X2 X1 = 2X1 + X2 X1, X2 350 125 600 0

2. Convertir las desigualdades en igualdades. Si el problema contiene solo restricciones de la forma (), entonces introducir variables de holgura; pero si el problema tiene restricciones de la forma (=) y/o (), se deben utilizar variables artificiales (ti). Estas variables no tienen significado, no tienen interpretacin fsica y por consiguiente para que el problema admita solucin factible es necesario que dichas variables sean = 0, s se llega a la solucin ptima y por lo menos una de las variables artificiales es 0, entonces el problema no admite solucin factible, es decir la solucin es inconsistente. De acuerdo con el tipo de restricciones del problema, en este paso se debe incluir variables de holgura, variables de exceso y variables artificiales (ti) segn sea necesario. As: Por cada restriccin de la forma () introducir una variable de holgura (+Si) Por cada restriccin de la forma () introducir una variable de exceso (-Si) y una variable artificial (+ti) Por cada restriccin de la forma (=) introducir una variable artificial (+ti) Adems, se debe asignar un coeficiente de +M -M a cada una de las variables artificiales en al FO, en caso de que el problema sea de minimizacin o de maximizacin, respectivamente. M es un valor grande, por lo cual se denomina mtodo del gran costo M (Big M). Para efectos de toma de decisiones, generalmente se supone que M = 1000 Para el ejemplo, Como la primera restriccin es de la forma (), entonces se requiere una variable de exceso (- S1) y una variable artificial (+t1). Como la segunda restriccin es una (=), entonces solo requiere de una variable artificial (+t2) y Como la tercera restriccin es de la forma (), se requiere introducir una variable de holgura:(+ S3). Adems, como el problema es de minimizacin se debe asignar un coeficiente de +M a cada una de las variables artificiales en la FO. De acuerdo con esto el problema a solucionar quedar de la siguiente forma: Universidad Tecnolgica de Bolvar Investigacin de Operaciones I Msc. Misael Cruz Monroy

Max. Z = 200X1 + 300X2 + 0S1 + 0S3 + Mt1 + Mt2 s.a. X1 + X2 - S1 + t1 = 350 X1 + t2 = 125 2X1 + X2 + S3 = 600 X1, X2, S1, S3 0

3. Plantear la tabla simplex para la solucin bsica inicial: Como en este caso existen variables de decisin, variables de holgura, variables de exceso y artificiales, entonces se deben utilizar las variables de holgura y las variables artificiales para la base inicial. Las variables de decisin y las variables de exceso, sern las variables no bsicas iniciales. Variables bsicas iniciales: t1, t2, S3 Variables no bsicas: X1, X2, S1 Cj Base Solucin T1 350 T2 125 S3 600 Zj -475M Cj - Zj Si M = 1000, entonces Ci M M 0 200 X1 1 1 2 2M 200-2M -1800 300 X2 1 0
1

M 300-M -700

0 S1 -1 0 0 -M M 1000

M T1 1 0 0 M 0

M T2 0 1 0 M 0

0 S3 0 0 1 0 0

i 350 125 300

4. Elegir la variable no bsica entrante de acuerdo con el criterio de optimalidad:

En problema de maximizacin elegir la variable no bsica con el Dj mas positivo. En problema de minimizacin elegir la variable no bsica con el Dj ms negativo. Esto nos garantiza obtener, en la siguiente solucin, el mayor incremento o la mayor disminucin en el valor de la FO.

Como el problema es de minimizacin se elige la variable no bsica con el Dj ms negativo, en este caso X1. 5. Elegir la variable bsica saliente de acuerdo con el criterio de factibilidad: Para encontrar la variable bsica saliente, se realiza el cociente entre los valores de la columna solucin y cada uno de los coeficientes de la variable no bsica entrante, sin tomar en cuenta ceros y negativos. Se elige la variable que corresponda al mnimo cociente. Como en el ejemplo todos los coeficientes de la columna X1, son positivos se realizan todos los cocientes. Los resultados aparecen en la columna i. Como el mnimo cociente es 125, entonces la variable que sale es t2. El elemento que se encuentra en la interseccin de la fila de la variable saliente y la columna de la variable entrante, se denomina PIVOTE. En el algoritmo simplex el pivote debe ser positivo. 6. Encontrar la nueva solucin (mtodo de eliminacin de Gauss-Jordn) Para encontrar la nueva tabla, se utiliza el mtodo de eliminacin de Gauss-Jordn que consiste en convertir en uno (1) la posicin donde est el pivote y en ceros (0) las dems posiciones de la columna del pivote. Para esto se procede as: 1) Cambiar el nombre de la fila de la variable que sale (t2) por el de la variable que entra (X1) Universidad Tecnolgica de Bolvar Investigacin de Operaciones I Msc. Misael Cruz Monroy

2) Encontrar el valor de la Fila de la variable entrante = Fila del pivote/pivote Fila de X1 = Fila de t2/1 3) Encontrar el valor de las otras filas, as: Cualquier otra Fila i = Fila del pivote/pivote x (-factor correspondiente en la columna del pivote) + Antigua fila i o Nueva Fila i = Fila variable entrante x (-factor correspondiente en la columna del pivote) + Antigua fila i Entonces, para el ejemplo tenemos que: Nueva t1 = X1*(-1) + t1 Nueva S3 = X1*(-2) + S3 4) Encontrar el valor de Zj = Ci.bi 5) Encontrar el valor de Cj - Zj Hecho lo anterior la nueva solucin es: Ci M 200 0 Cj Base Solucin T1 225 X1 125 S3 350 Zj 225M+50000 Cj - Zj 200 X1 0 1 0 200 0 300 X2 1 0
1

M 300-M

0 S1 -1 0 0 -M M

M T1 1 0 0 M 0

M T2 -1 1 -2 -M 2M

0 S3 0 0 1 0 0

i 225 350

7.

Determinar si la nueva solucin es o no ptima. En problemas de maximizacin la solucin es ptima cuando todos los Dj de las variables no bsicas son 0. En minimizacin, cuando todos los Dj de las variables no bsicas son 0 Si es ptima, el proceso ha terminado. Entonces detallar y describir la solucin. Si no es ptima, regresar al paso nmero 4 y repetir hasta encontrar la solucin ptima. Como la solucin no es ptima, entonces: Variable entrante, X2; Variable saliente, t1; el pivote es 1 y la nueva solucin es la siguiente: Cj Ci 300 200 0 Base X2 X1 S3 Zj Cj - Zj Solucin 225 125 125 92500 200 X1 0 1 0 200 0 300 X2 1 0
0

300 0

0 S1 -1 0 1 -300 300

M T1 1 0 -1 300 M-300

M T2 -1 1 -1 -100
M+100

0 S3 0 0 1 0 0

Es esta la solucin ptima?

Universidad Tecnolgica de Bolvar

Investigacin de Operaciones I

Msc. Misael Cruz Monroy

Ejercicios: 1. Max Z = 300X1 + 200X2 s.a 3X1 300 2X2 200 X1 + X2 420 X1, X2 0 X1 2. Min Z = 60X1 + 100X2 s.a 3X1 + 2X2 540

2 X2 = 360 120 X1, X2 0

3. Max Z = 200X1 100X2 + 100X3 s.a = 3X1 + X2 + X3 <= 600 X1 X2 + 2X3 <= 100 X1 + X2 X3 <= 200 X1, X2 0

4.

Min Z = 30X1 + 40X2 + 80X3 s.a 2X1 + X2 2X1 60 + 4X3 80 X1, X2, X3 0

Universidad Tecnolgica de Bolvar

Investigacin de Operaciones I

Msc. Misael Cruz Monroy