Drogramacion lineal. M éodo simplex A tonto no mismo rbot que el sabio. Win Bene INTRODUCCION Este método fue desarrollado por George B. Dantzig, en Estados Unidos en 1947, y hoy dia es muy popular debido a su amplio uso y versatlidad en la resolucin de los pro- blemas de programacisn lineal (Gallagher y Watson, 1992). Es un procedimiento matricial iterativo basado en la metodologia de Gauss Jordan (Izar, 1998) para manejar va riables no negativas, de fécilimplantacién en computadora, Joque permite solucionar problemas de un mimero clevado de variables y restricciones de una manera dl y eficiente Al igual que el método gréfico, este método parte del problema de programacion lineal debidamente planteado, es decir, con las ecuaciones de la funcidn objetivo y las res- tricciones definidas mateméticamente. Elmétodosimplex toma siempre como posible slucién ‘un punto correspondiente a uno de ls vertices dela region factible de solucin, siendo la primera aproximacién el oi gen, De aqui, en las siguientes iteraciones el simplex se mo- vera hacia otros vértices, hasta que alguno de ellos sea el ‘ptimo, lo cual sucede cuando un vértice tiene mejor valor de lafuncién objetivo que los dos vértices adyacentes a él es decir, el anterior y el posterior, siendo entonces cuando se ha logrado a solucin del problema de programacion li- neal (Davisy McKeown, 1986). 30 ETAPAS DEL METODO SiMPLEX El método simplex puede dividirse en tres etapas (Hi- lliery Lieberman, 1991): 1. Etapa inicial. Consiste en dar la primera solucién factible en el vértice correspondiente al origen. Esta ‘etapa abarca los tres primeros pasos del procedi- miento simplex, que se explica mas adelante. 2, Etapa iterativa, La cual implica que el método bus- que una mejor solucién a la anterior en otro vértice Esta etapa corresponde al paso 4 del procedimiento simplex. ; 3. Etapa de prueba de optimalidad. Esta se ogra cuan- do Ia solucién de un vértice es mejor que la de los vértices adyacentes a él. Esta etapa es el paso 5 de la metodotogia simplex. Para la explicacién del procedimiento simplex se resol- verd un primer ejemplo, sefialando en él las situaciones de cardcter particular del caso, asi como las de tipo general. PROPIEDADES DE LAS SOLUCIONES FACTIBLES Este método se basa en algunas propiedades de las so- luciones factibles de la programacién lineal, las cuales son (Hillier y Lieberman, 1991): 1, Encasode haber alguna solucién éptima, ésta se lo- calizaré en uno de los vértices de la zona factible de solucién.eTopo10¢ 2. Siexisten soluciones multiples, éstas se situarén en. vértices adyacentes a la regién factible de solucién, 3. Habra siempre un ntimero finito de soluciones fac- tibles en los vértices. 4. La solucién 6ptima en un vértice sera aquella que sea mejor que las soluciones de vértices adyacentes aaquél. METODOLOGIA SIMPLEX Ahora se presenta un ejemplo para ilustrar la metodo- Jogia simplex, aplicada a un caso de maximizacién. Ejemplo 4.1. Caso de maximizacign, Resolver el problema de programacién lineal: Max Z=10X; + 12%; ‘Sujetoa las restricciones: 4X, +3%1536 ao @) 6) Solucién: se aplicaré la metodologia simplex, explicando cada paso, Paso 1. Convertir las desigualdades de las restricciones en igualdades mediante la incorporacién de variables de holgora (am bign llamadas variables de excedente) y/o variables artifciales (también conocidas como ficticias), las cualesse agregarsn alas res- trieciones con un coeficiente euyo valor puede determinarse de la tabla 4.1 Tabla 4.1. Coeficientes de las variables de holgura {yartificiales segtin el tipo de restriccién, Coeficiente de la variablede Coeficiente de la Tipoderestrecin hrlgura variable artical Menor o igual que 4 0 Mayor oigual que @) 1 “1 Igualdad (=) 0 “ Aproximadamente igual +1y~1 ° En la tabla 4.1 las restricciones de tipo menor o igual que (=) ‘agregan una variable de holgura porque se supone que les falta algo para lograr la igualdad, siendo eso que les falta precisemente la variable. Las restricciones de igualdad no llevan variable de holgura, porque ya existe una igualdad entre el lado izquierdo y el lado derecho dela ecuacién. Sin embargo, equieren entonces una va rable artificial con coeficiente +1, para poder integrar la parte Jdentidad de la tabla simplex, como se vers més adelante. sinourx 31 Por su parte, las restrcciones del tipo mayor o igual que (2) restan una variable de holgura, dado que al lado izquierdo le so- bra algo para igualarse al lado derecho y agregan una variable ar- tifcial, pues la variable de holgura tiene coeficiente ~1, siendo necesatio entonces incorporar una variable artificial con coeficen- te+1 para que la parte identidad dela tabla simplex quede debi- damente formada, Sise observa el ejemplo, se tienen tres restrieciones, una de ‘cada tipo. La primera es del tipo menor o igual que (<), de acuerdo con a tbla 4.1 se agregard una variable de holgora con coeficiente ‘+1y no se agregan variables atificiales, pues sus coeficientes se- rn cem, entencesdicha restriccion quedaré de la siguiente forma: AK +3N+Hi=3.6 w Siendo Hla variable de holgura, La segunda restrccin es de igualdad, por lo que no habré variables de holgura (sus coeficientes para este tipo de restrieiéa, son cero), pero si habré una variable artificial con coeficiente +1 Xi+X+F, @ donde F, es a variable artificial . Para la tercera restriccin, ésta es del lipo mayor oigual que @), porlo que conforme ala tabla 4.1, levard una variable de hol- gura con coeficiente~I yuna variable artificial con coeficiente +1, ‘con esto se tendré: 2K, 3Xp— Hy + A= 24 e donde Hes la variable de holgura y Fla variable artifical aso 2. Incluir las variables de holgura y artficiales en la ecuacidn de la funcin objetivo con un coeficiente que seré cero ene casode la variables de holgura y Mpara las arificiales, don- dde Mse supone que es un valor muy grande, el cual no necesaria- rmente debe ser conacido, pues el método més adelante tender a eliminar dicha variable de la zona de solucién del problema, ‘Con esto, la funcién objetivo ser Max OX, + 12X, +014, + 0H ~ MF, ~ MF; Aqui abe aclarar que la Me ha agregado con signo negativo por trtarse de un problema de maximizacién, pues para casos de ‘minimizacin, la M sera pesitva, ‘Auna solucin se le llama aumentada cuando inckuye ls va- lables de holgura ademés de las de decision, Paso3. Formarla primera tabla, para esto 4) Expresar las ecuaciones de ls restrieciones en funcién de sus coeficientes, del modo siguiente: X % mh mh RF 36 4 3 1 6 0 @ 1 1 1 0 oO 4 0 24 ee Columnade Cuerpo Parte constantes identidad32 as ‘) Agregar el renglin objetivo arriba del renglén de variables. celcual incluiré los coeficientes de las variables en la funckin obje~ tivo, con estose obtendrs 0 2 0 0 mM © MoM hh hh RR 34 St OG 1 1 1 0 0 | 4 aa dl 3 0 1 Aj 1 A estos coeficientes de las variables en la funcidn objetivo también se les denomina contribuciones, 6) Buscar la primera solucin (conocida también como sol cin bésica inicial) en funcign de las variables, cuyos coeficientes, son +1 en la parte identidad, con estose tend lo siguiente 10 0 0 -M -M x i AOR oe (eresaer|| 4 1 0 0 06 mM | R tid oo) to 2 o 4 0 4 —M | R24 jaca Columna Zona ‘objetivo desolucisn Como se puede observar de la tabla, se agregs a la zona de solucién en cada renglén aquella variable cuyo coeficiente es +1 ena parte identidad, ‘También en la columna objetivo se han incluido los coef cientes que tienen éstas en la funcisn objetivo, A\las variables que forman la zona de solucién se les llama variables basicas. De esta forma la primera solucinseré Aqui Zes cero porque no aparece en la zona de solucin, de igual forma Mt, X; y X; son cero por esta misma razén, A estas va- riables se les denoimina no basicas, = 26 comovatiables basicas 39 En a siguiente iteracién el método va al punto V3 (X;=0, X,=3, X= 0), que tampoco esté en la zona factible de solucin, pues tiene F,=2 como variable basica Finalmente, en la siguiente iteracién el método pasa @ Vs (X= 1.333, X; = 2.333, Xj =O), el que siesta ubicado en la regiin factible de solucion y satisface la prueba de optimalidad. siendo a solucién del problema, Bjemplo 4.3. Resolver Max Z=8X,+6X, Sujetoa: AX 43%59 X+2Nes 15 Xe M41 6 Solucidn: se aplica la metodooga simplex Paso 1. Convertir las desigualdades en igualdades. Las dos primeras restricciones son del tipo menor a igal que, por lo que ‘onforme a a tabla 4.1, se agrega una variable de holgura en cada una de ellas, mientras que en la tercera restriccion, que es de ‘qualdad, se aiade una variable artifical, AX, +3X: +123 a Xie 2Xi+Hp= 15 @ Me Mt had 6) Paso 2. Se incorporan las variables agregadas en el paso an terior la funcidn objetivo con sus contribuciones respectivas Max z: X,+6X;4 0H) + 0H MF, Aquiel signode Mes negativo por tratarse de un problema de Paso3. Se forma la primera taba, 4) Poner el renglin de variables y las ecuaciones de las res twieciones con el fin de obtener: eG Oo re 304 3 1 0 6 1s 1 o 1 6 1 by Ya se ha agregado el renglén objetivo la tabla ‘) Se da la primera soluci6n en funcisn de las variables con cocficiente 1 en la parte identidad, es decir, Hl, Hzy Fy, con esto se iene: o 0 -M Hom Ho ie 0) H, 15 On Oo ROL oo 1