You are on page 1of 31

Módulo: I

Unidad: II

Semana: 04

INVESTIGACION OPERATIVA

Segundo Agustín García Flores

TÍTULO DEL TEMA

PL Método simplex

ORIENTACIONES
• Lea las previamente las orientaciones generales
del curso.
• Revise los temas afines a este en la Biblioteca
Virtual de la UAP.
• Participe de los foros.

CONTENIDOS TEMÁTICOS Método simplex Pasos del método simplex .

SUBTÍTULOS DEL TEMA .DESARROLLO DE CONTENIDOS .

el algoritmo Simplex. . es una técnica popular para dar soluciones numéricas del problema de la programación lineal. creado por el matemático norteamericano George Bernard Danzing en 1947. Permite encontrar una solución óptima en un problema de maximización o minimización. buscando en los vértices del Polígono.El método Simplex En teoría de optimización matemática.

. es un punto extremo (vértice) del conjunto de soluciones factibles. es un conjunto convexo. .L. La solución óptima del problema de programación lineal . si existe.Método SIMPLEX El algoritmo denominado símplex es la parte medular de este método. el cual se basa en la solución de un sistema de ecuaciones lineales con el conocido procedimiento de Gauss-Jordan y apoyado con criterios para el cambio de la solución básica que se resuelve en forma iterativa hasta que la solución obtenida converge a lo que se conoce como óptimo. El número máximo de puntos extremos (vértices) por revisar en la búsqueda de la solución óptima del problema es finito. El conjunto de soluciones factibles para un problema de P.

• En cada iteración.EL ALGORITMO DEL SIMPLEX • El algoritmo del Simplex busca el óptimo de un problema de PL recorriendo algunos de los vértices del poliedro del conjunto de soluciones factibles. . el algoritmo se desplaza de un vértice a otro de forma que el valor de la función objetivo mejore con el desplazamiento.

– No factible: No existe ninguna solución que satisfaga simultáneamente todas las restricciones del problema – No acotado: El valor de la función objetivo en el óptimo es tan grande (pequeño) como se desee en caso de maximización (minimización). .EL ALGORITMO DEL SIMPLEX • La optimización de un PL puede dar 4 posibles resultados: – Óptimo único – Soluciones Alternativas: Existen varias soluciones que dan el mismo valor en la función objetivo.

E: 6X1 + 4X2 + S1 = 24 S1 ≥ 0 (S1…cantidad no utilizada de recurso) .Restricción menor o igual (≤) Para transformar este tipo de restricción a una ecuación de tipo igualdad se debe aumentar su lado izquierdo con una variable de “holgura”.Método SIMPLEX Forma Estándar de un PPL (FE) La forma estándar pasa por realizar los siguientes cambios: 1º conversión de desigualdades en igualdades (ecuaciones) a. Esta representa la cantidad disponible del recurso que excede al empleo que le dan las actividades. Ejemplo: 6X1 + 4X2 ≤ 24 F..

Restricción mayor o igual ( ≥ ) Las restricciones de este tipo comúnmente determinan requerimientos mínimos de especificaciones.E pasa por hacer un ajuste más: F. En este caso se debe incorporar una variable de superávit que representa el requerimiento mínimo del lado izquierdo. sobre el requerimiento mínimo del derecho ( cuanto falta para cumplir con lo pedido).r1 + t1 = 800 r1. t1 ≥ 0 t1 = variable artificial (se necesita para generar la solución inicial del simplex) .r1 = 800 r1 ≥ 0 Sin embargo la F. Ejemplo: X1 + X2 ≥ 800 → X1 + X2 .Método SIMPLEX b.E X1 + X2 ..

.. es importante que el simplex las deje fuera al comienzo del procedimiento y esto se logra al penalizar la inclusión de las variables artificiales en la función objetivo con un coeficiente ‘M’ muy grande que para el caso de maximizar es ‘ M’ y para el caso de minimizar es ‘+ M’. Ejemplo: X1 + X2 = 800 X1 + X2 + t1 = 800 t1 ≥ 0 Como las variables artificiales no tienen sentido.Método SIMPLEX c.Restricción de igualdad (=) Aquí la estandarización pasa sólo por incorporar una variable artificial.

Optimalidad: la variable de entrada en un problema de maximización es la variable no básica que tiene el coeficiente mas negativo en el reglón de la F. Se llega al optimo en la iteración donde todos coeficientes del reglón de la F.E se esta en condiciones de iniciar el Simplex que nos permitirá encontrar la (s) solución (es) del PPL. Las reglas para seleccionar las variables de entrada y salida se conocen como condiciones de optimalidad y factibilidad. . Factibilidad: tanto para los problemas de maximización como minimización.Método SIMPLEX Si una vez obtenida la F.O. la variable de salida es la variable básica asociada con la razón no negativa más pequeña entre los “lados derecho” y los coeficientes de la columna entrante. Como el algoritmo se mueve de punto en punto extremo requiere que variables básicas entren y salgan. los empates se rompen arbitrariamente. de las variables básicas son positivos.O. C. Resumiendo: C.

Paso 2: seleccione una variable de salida utilizando la condición de factibilidad. Deténgase si no hay variable de entrada. 8 . Paso 3: determine las nuevas soluciones básicas empleando los cálculos apropiados de Gauss – Jordan.Método SIMPLEX: pasos Paso 0: determinar la solución factible inicial. Paso 1: seleccione la variable de entrada empleando la condición de optimalidad. luego vuelva al paso 1.

x2 ≥ 0 .Ejemplo de método Simplex: Resolver el siguiente problema: Maximizar Sujeto a: Z = 3x1 + 2x2 2x1 + x2 ≤ 18 2x1 + 3x2 ≤ 42 3x1 + x2 ≤ 24 x1 ≥ 0 .

Método SIMPLEX: pasos 1.3x1 .2x2 = 0 Cuando minimizamos se toma el valor (+) positivo de FO para convertirlo en negativo y cuando maximizamos tomamos el valor (-) negativo de FO para convertirlo en positivo. . Estableciendo modelo estandar: el FORMA ESTANDAR: 2x1 + x2 + s1 = 18 2x1 + 3x2 + s2 = 42 3x1 + x2 + s3 = 24 2. Igualar la función objetivo a cero y despues agregar la variables de holgura del sistema anterior: Z .

en las filas. Escribir el tablero inicial simplex: En las columnas aparecerán todas las variables del problema y. una fila para cada restricción y la última fila con los coeficientes de la función objetivo: Tablero Inicial Base Variable de decisión Variable de holgura Solución (T.I) Z X1 X2 S1 S2 S3 S1 2 1 1 0 0 18 S2 2 3 0 1 0 42 S3 3 1 0 0 1 24 1 -3 -2 0 0 0 0 F.O . los coeficientes de las igualdades obtenidas.3.

4. entonces se elige cualquiera de ellos. significa que se ha alcanzado la solución óptima. Por tanto.3. En este caso. Si existiesen dos o más coeficientes iguales que cumplan la condición anterior. lo que va a determinar el final del proceso de aplicación del método del simplex. Para escoger la variable de decisión que entra en la base. la variable x1 de coeficiente . observamos la ultimo fila. . La columna de la variable que entra en la base se llama columna pivote (en en este caso la columna de x1). es que en la última fila no haya elementos negativos. Encontrar la variable de decisión que entra en la base y la variable de holgura que sale de la base A. la cual muestra los coeficientes de la función objetivo y escogemos la variable con el coeficiente más negativo (en valor absoluto). Si en la última fila no existiese ningún coeficiente negativo.

En el caso de que todos los elementos fuesen menores o iguales a cero. se divide cada término de la última columna (valores solución) por el término correspondiente de la columna pivote. siempre que estos últimos sean positivos.Para encontrar la variable de holgura que tiene que salir de la base. ya 8 es el menor. . Esta fila se llama fila pivote. S3. indica la fila de la variable de holgura que sale de la base. B. El término de la columna pivote que en la división anterior dé lugar al menor cociente positivo. el 3. Si hubiese algún elemento menor o igual que cero no se hace dicho cociente. entonces tendríamos una solución no acotada y no se puede seguir.

I entre los coeficientes de la columna seleccionada. 1 Base Variable de decisión Variable de holgura Solución Operación X1 X2 S1 S2 S3 S1 2 1 1 0 0 18 18/2 = 9 S2 2 3 0 1 0 42 42/2 = 21 S3 3 1 0 0 1 24 24/3 = 8 Z -3 -2 0 0 0 0 No se toma por ser negativo . sin considerer negativos ni ceros. Para la fila se divide los T. Iteración No. La fila seleccionada corresponde al menor valor de la operacion.Para escoger la columna observe el negativo con mayor valor absoluto en FO.

. 5. ya que este se debe convertir en 1. dos o más son iguales. A continuación mediante la reducción gaussiana hacemos ceros los restantes términos de la columna pivote.Si al calcular los cocientes. C. con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo los de la función objetivo Z. En la intersección de la fila pivote y columna pivote tenemos el elemento pivote operacional. indica que cualquiera de las variables correspondientes pueden salir de la base. Encontrar los coeficientes para el nuevo tablero de simplex. 3. Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos los coeficientes de la fila por el pivote operacional “3”. este indica que la variable de decisión X1 entra y la variable de holgura S3 sale.

. 1 Base Variable de decisión Variable de holgura Solución X1 X2 S1 S2 S3 S1 0 1/3 1 0 -2/3 2 S2 0 7/3 0 1 -2/3 26 X1 1 1/3 0 0 -1/3 8 Z 0 -1 0 0 1 24 Operación Como en los elementos de la última fila hay un número negativo. significa que no hemos llegado todavía a la solución óptima.Resultado de Iteración No. -1.

es 1/3. La variable que entra en la base es x2. tenemos que la fila pivote y la variable de holgura que sale es S1. El elemento pivote. por ser la columna pivote que corresponde al coeficiente -1 B. que ahora hay que hacer 1.Hay que repetir el proceso: A. Para calcular la variable que sale o la fila pivote. C. dividimos los términos de la columna solución entre los términos de la nueva columna pivote: y como el menor cociente positivo es 6. Y se opera de forma análoga a la anterior iteración .

2 Base Variable de decisión Variable de holgura Solución Operación X1 X2 S1 S2 S3 S1 0 1/3 1 0 -2/3 2 2/(1/3) = 6 S2 0 7/3 0 1 -2/3 26 26/(7/3) = 78/7 X1 1 1/3 0 0 -1/3 8 8/(1/3) = 24 Z 0 -1 0 0 1 24 No se toma por ser negativo .Iteración No.

-1. 2 Base Variable de decisión Variable de holgura Solución X1 X2 S1 S2 S3 X2 0 1 3 0 -2 6 S2 0 0 -7 0 4 12 X1 1 0 -1 0 1 6 Z 0 0 3 0 -1 30 Operación Como en los elementos de la última fila hay uno negativo.Resultado de Iteración No. significa que no hemos llegado todavía a la solución óptima. .

12/4 [=3]. que ahora hay que hacer 1.Hay que repetir el proceso: A. Obtenemos la tabla: . es 4. C. La variable que entra en la base es S3. y 6:1 [=6] y como el menor cociente positivo es 3. dividimos los términos de la última columna entre los términos correspondientes de la nueva columna pivote: 6/(-2) [=-3] . Para calcular la variable que sale. por ser la variable que corresponde al coeficiente -1 B. tenemos que la variable de holgura que sale es S2. El elemento pivote.

3 Base Variable de decisión Variable de holgura Solución Operación X1 X2 S1 S2 S3 X2 0 1 3 0 -2 6 No se toma por ser negativo S2 0 0 -7 0 4 12 12/4 = 3 X1 1 0 -1 0 1 6 6/1 = 6 Z 0 0 3 0 -1 30 .Iteración No.

Resultado de Iteración No. 3 Base Variable de decisión Variable de holgura Solución X1 X2 S1 S2 S3 X2 0 1 -1/2 0 0 12 S3 0 0 -7/4 0 1 3 X1 1 0 -3/4 0 0 3 Z 0 0 5/4 0 0 33 Operación .

. hemos llegado a la solución óptima: Z = 33.Tablero Final Base Variable de decisión Variable de holgura Solución X1 X2 S1 S2 S3 X2 0 1 -1/2 0 0 12 S3 0 0 -7/4 0 1 3 X1 1 0 -3/4 0 0 3 Z 0 0 5/4 0 0 33 Como todos los coeficientes de la fila de la función objetivo son positivos.

com/ejemplo_metodo_grafico .phpsimplex.htm .CONCLUSIONES Y/O ACTIVIDADES DE INVESTIGACIÓN SUGERIDAS • Una comparación del método gráfico y simplex http://www.

GRACIAS .