Scribd Logo
Upload

Welcome to Scribd!

  • Investigacion de Operaciones Hillier PDF

    Uploaded by

    eveneros999
    4 views1,085 pages

    Original Title

    investigacion_de_operaciones__Hillier.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    4 views1,085 pages

    Investigacion de Operaciones Hillier PDF

    Uploaded by

    eveneros999

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 1085
    INVESTIGACION DE OPERACIONES, Contiene: Caps: 4 y 5 AUTOR + Hillier, Frederick S Lieberman, Gerald J. FOTOCOPIADO DE _ : Investigacién de operaciones /Frederick ' Gerald J berman . 7a ed.— Mé: + McGraw-Hill, 2002. SEMESTRE + OTONO 2004 “USO EXCLUSIVO ALUMNOS FACEA, PARA FIN INVESTIGACION” DE DOCENCIA E 4 OO 41 Solucion de problemas de programacién lineal: método simplex Es el momento de comenzar a estudiar el método simplex, un procedimiento general para re- solver problemas de programacién lineal. Desarrollado por George Dantzig en 1947, estd comprobacda su extraordinaria efciencia, ye usa en forma rutinaria para resolver problemas Brands cn las compuradorasactuales. Excepto en el caso de problemas muy pequetios, secje- Guta siempre en una computadora y existe una amplia variedad de paquetes complejus de software para ello. También se usan extensiones y variaciones del método simplex para reli zat andlisis poséptimo (que incluye el andlisis de sensibilidad) sobre el modelo Este capitulo describe y ejemplitica las caractristicas principales del método simplex. La primera secciGn presenta su natutaleca general junto con su representacién geométrica, Las tres secciones subsecuentes desarrollan el procedimiento para resolver cualquier modelo de programacion lineal que se establezca en nuestra forma esténdar (maximizacién, todas las restricciones funcionales de la forma < y restricciones de no negatividad sobre todas las varia bles) y que s6lo tenga cantidades no negativas en el lado derecho, de las restricciones funcio. nales. Ciertos detalles sobre ciimo romper empates esperarin ala scecidn 4.5, y la section 4.6 describe la adaptacién del método simplex a otras formas de modelos, Despues se presenta cl anilisis poséptimo (seecién 4.7) y se describe cl mancjo en computadora del métocio simplex (seccién 4.8). Laseccién 4.9 introduce una lrernativa al método simplex (el enfoque de pun to interior) para tesulver problemas de programacién lineal grandes. ESENCIA DEL METODO SiMPLEX Elmétodo simplex es un procedimiento algebraico. Sin embargo, sus conceptos fundamenta- les son geométrics. La comprensién de estos conceptos geométricos proporciona una fuerte intuicién sobre cémo opera el método simplex y qué lo hace tan cficiente. Por lo: tanto, antes de profundizar en los detalles algebraicos, se dedicard esta seccidn a la visualizacign del méto- do desde un punto de vista geometrico. Para ilustrar los conceptos geomeétricos generales, se usaré el ejemplo de la Wyndor Glass Co. delaseccion 3.1. (Las secciones 4.2 v4.3 usan el lgcbra de método simplex para resolver este mismo ejemplo.) La seccidn 5.1 profuundiza en estos conceptos en problemas grands. Para refrescar la memoria, el modelo y la gréfica para este ejemplo se repiten en la figura 4.1. Se marcaron las cinco restricciones de fiontera y sus puntos de intexsecciGn ya que son Puntos clave para el anlisis. Una frontera de restriccién es una recta que marca el limite de 'o que permite la restriccién correspondiente. Los puntos de interseccin son las soluciones 4. Soluci6n de problemas de programacién lineal: método simplex FIGURA 4.1 Restrieciones de frontera y soluciones fen los vértices para el problema de la *, Maximizar Z = 34 + 5%, aro sujeta a (0,9) aos4 2m $12 3x +2a $18 y #20, 20 (0, 6) Wyndor Glass Co. (4,0) (6,0) a en los vértices para el problema. Los cinco puntos que se encuentran en los vértices de la re- ‘gin factible: (0, 0), (0, 6), (256), (4, 3) y (4,0), son las soluciones factibles en los vérices (solu ciones FEV). [Los otros tres —(0, 9), (4, 6) y (6, 0)—sc llaman soluciones no factibles en un vértice.| Eneste ejemplo, cada solucién en un vértice se encuentra en la interseccién de dos fronte- ras de restriccién. (Para un problema de programacién lineal con.» variables de decisién, cada tuna de sus soluciones en los vértices se encuentra en la interseccién de m fronteras de restric- ciones.?) Algunos pares de soluciones FEV en la figura 4.1 comparten una frontera de resttic~ in, y otros no. Serd importante distinguir estos casos con la siguiente definicién general, Para cualquier problema de programacién lineal con n variables de decisi6n, dos soluciones FEV son adyacentes entre sisi comparten 1-1 fronteras de restriccién. Dos soluciones FEV adyacentes estén conectadas por tn segmento de recta que esté en estas mismas fronteras de restriccidn compartidas. Este segmento de recta recibe el nombre de orilla o arista dela regiGn factible. Como n=2 en el ejemplo, dos de sus soluciones FEV son adyacentes si comparten una frontera de restriccién; por ejemplo, (0, 0) y (0, 6) son adyacentes porque comparten la fron- tera x, =0. Ta regidn factibleen la figura 4.1 tiene cinco aristas que consisten en las cinca seg- mentos que forman la frontera de esta regidn. Observe que de cada solucién FEV salen dos aristas. Entonces, cada solucién FEV tiene dos soluciones FEV adyacentes (cada una se en- ‘cuentra en el otro punto terminal de una de las dos aristas), como se enumera en la tabla 4.1. "Aunque uns solucién en un vétice est dfinida en teminos dem ftonteras de resticionescuyasinterseciones dan ¢stasoluién, también es posible ue una 0 mis fronteras adinalespasen por este mismo panto. 4.1 Esencia del método simplex uw TABLA 4.1 Soluciones FEV adyacentes para cada solucién FEV del problema de la Wyndor Glass Co. Solucién FEV | Sus soluciones FEV adyacentes (0.0) (0,6) y (4,0) (0,6) (2, 6) y (0, 0) 26) (4.3) (0, 6) (4,3) (4.0) y (2,6) (4.0) (0.0) y (4, 3) (En cada renglén de esta tabla, la solucién FEV en la primera columna es adyacente a las dos soluciones FEV en lasegunda columna, pero las dos soluciones en lasegunda columnanoson adyacentes ent si.) {Una razén para analizat las soluciones FEV adyacentes es la siguiente propiedad gencral Ge la soltciones, que proporciona una manera muy ttl de veificar si una solucién FEV es una solucién éptima. Prucba de optimalidad: considere cualquier problema de programacién lineal que osea al menos una solucién éptima. Si una solucién FEV no tiene soluciones ELV adyacentes que scan mejores (segiin el valor de Z), entonces éa debe ser une solucién ‘optima. Ast, por ejemplo (2, 6) debe ser Optima simplemente porque su valor correspondiente de Z= 36 es mds grande que Z = 30 para (0, 6) yZ= 27 para (4, 3). (En laseccién $1 se analicn, 4 mds por qué esta propiedad se cumple.) Esta prueba de optimalidad se usa en el metodo simplex para determinar cuéndo se ha llegado a una solucién dpi En este punto se puede aplicar el método simplex a un ejemplo. Solucién del ejemplo Se presenta aqui un bosquejo de lo que hace el método simplex (desde el punto de vista geo- métrico) para resolver el problema de la Wyndor Glass Co, Ent cada paso, primero se establece la conclusién y después se da la raz6n entre paréntesis. (Consulte la figura 4.1 para visualisar el problema.) Paso inicial: Elija (0, 0) como la solucién FEV inicial para examinarla, (Esta cs una clec- i6n conveniente porque no se requieren célculos para identifcarla.) Prucha deoprimalidad: Concluya que (0, 0) no es una solucién dptima. (Las soluciones FEV adyacentes son mejores.) Tteracién 1: Muévase a una solucién FEV adyacente mejor, (0, 6), realizando los: siguien- tes tres pasos. 1. Entre as dos aristas de la regi factible que salen de (0,0), clija moverse alo largo dela arista que aumenta el valor de 2. (Con una funcién objetivo Z= 3. + 5x, al aumentar el valor de x, el valor de 7: crece mis répido que si aumenta el valor de *).) 2. Deréngase al llegar ala primera frontera de restrcci6n: 24 =12. [Si se mueve mds lejos ena diteccién seleccionada en el paso 1, suldré de la region factible; por: ejemplo, al mo- verse hasta la segunda frontera de restricidn en esa direccién se llega (0.9), quees una solucién no factible en un vértice.} 112 4 Solucién de problemas de programacién lineal: método simplex 3. Obtengala interseccién del nuevo conjunto de fronteras de restricci6n: (0, 6). (Lasecua- ciones para estas fronteras de restriccidn, 17 =0 y 2.x, = 12, llevan de inmediato a esta so- lucién.) Prucha de optimatidad: concluya que (0, 6) no es una solucién éptima. (Existe una solu- cién FEV adyacente mejor.) Iteracién 2: Muévase a una mejor solucién FEY, (2,6), realizando los siguientes pasos. 1. En las dos aristas de la regién factible que salen de (0, 6) elija moverse alo largo de la que vaa la derecha, (Moverse a lo largo de esta arista aumenta el valor de Z, mientras que it para atrés hacia abajo del eje sc, lo disminuye.) 2. Deténgase al encontrar la primera nueva frontera de restricciGn en esa direccién: 3x, + 2x =12. (Si se mueve més lejos en la diteccién clegida en el paso 1, saldré de la region factible.) 3. Obtenga a interseccién del nuevo conjunto de fronteras de restriccién: (2, 6). (Las ecua- ciones de estas fronteras de restriccién, 3x; +2:x) = 18 y 2x) =12 dan de inmediato esta solucién.) Prucba de optimalidad: concluya que (2,6) es una solucién éptima y deténgase. (Ninguna de las soluciones FEV adyacentes es mejor.) En la figura 4.2 se muestra la secuencia de soluci6n FEV cxaminada, donde cada nimero: dentro de un circulo identifica qué iteracién obtuvo esa solucién. ‘Ahora se analizarén los seis conceptos importantes de solucién del método simplex que proporcionan el razonamiento que lleva a los pasos anteriores. (Tenga en mente que estos conceptos también se aplican al resolver problemas con més de dos variables de decisién para os que no se dispone de una grafica parecida a la figura 4.2 como ayuda para encontrar una solucién éptima.) Conceptos de solucién importantes El primer concepto de solucidn se basa directamente en la relacién entre las soluciones épti- mas y las soluciones factibles en los vértices dadas al final de la seccién 3.2. FIGURA 4.2 Esta gréfica muestra la se- cuencia de soluciones FEV ©.,@) examinadas por el método simplex para el problema de la Wyndor Glass Co. La solucin 6 2, 6) se encuentra después de examinar tres soluciones. 0) NZ20 (4,0) * 4.1_Esencia del método simplex 13 Concepto de solucién 1: el método simplex analiza sélo las soluciones FEV. Para cualquier problema con al menos una solucién éptima, encontrar una de ellas requiere nada mds encontrar la mejor solucién FEC,! Como el ntimero de soluciones factibles por lo general es infinito, la reduccién del nimero de soluciones que deben examinarse a un pequefio ntimero finito (s6lo tres en la figura 4.2) es una simplificacion enorme. El siguiente concepto de solucién define el flija del méeodo cimplex. Concepto de solucién 2: el método simplex es unalgoritmoiterativo (procedimiento ds solucion sistemético que rep una serie de pasos ia, lamadaitracién, hasta que se obtiene el resultado deseado) con la siguiente estructura: Inicializacién: Preparacién para comenzar las iteraciones, que incluye encontrar una solucién FEV inicial, Prucba de uptimalidad: és éptima la solucién FEV actual? Sino 7 Siloes — » Termina, Teeracién: Realizar una iteracién para encontrar una solucién FEV mejor. Observe que cuando se resolvié el ejemplo ses hhasta que se encontré una solucién dptima, Ahora se analizaré cémo comenzar. Concepto de solucién 3: siempre que es posible, la inicializacién del métada sim- plex elige el origen (todas las variables de decisién iguales a cero) como la solucion FEV inicial. Cuando se tienen demasiadas variables de decisidn para encontrar una Solucion FEV inicial en una gréfica, esta eleccin elimina la necesidad de usar procedi. mientos algebraicos para obtenerla, Casi siempre es posible scleccionar el origen cuando todas las variables de decisién tienen res- tricciones de nu negatividad, porque la interseccin de estas fronteras de restriccién lleva al Origen como una solucién en un vértice. Entonces, esta solucién es una solucién FEV a me- fos que sea no facible porque viola una o mas restrcciones funcionales. Sies no factible se necesitan los procedimientos especiales descrieos en la seccién 4.6 para encontrar la solueion FEV inicial. El siguiente concepto de solucién se reficre a la selecci6n de una mejor solucién FEV en cada iteracién, Concepto de solucién 4: dada una soluci6n FEY, es computacionalmente més ripi- do reunir informacién sobre us soluciones FEV adyacentes que sobre otras solucivnes EEN, Por lo tanto, cada vez que el mérodo simplex realiza una iteracién para moverse dela solncidn FEV actual a una mejor, siempre escoge una solucion. FEV adyacente ala actual. No considera otras soluciones FEV. En consecuencia, toda la trayectoria que sigue hasta alcanzar, eventualmente, una soluciGn optima es alo largo de las avistas de la regién factible. i6 este diagrama de flujo en dos itcraciones ‘Lasiniarestrccénes que el problema debe tener solucones ictbles en os vices. Rats segura si regi fc sible es acotada, 4 42 4 Solucién de problemas de programacién linea: método simplex Ahora se verd cudl solucién FEV adyacente se debe seleccionar en cada iteracién. ‘Concepto de solucién 5: después de identificar la solucién FEV actual, el método simplex examina cada una de las aristas de la regidn factible que salen de esta solucién. Estas aristas llevan a una solucién FEV adyacente en el otro punto terminal, pero el método simplex ni siquiera se tama la molestia de obtener la solucién FEV adyacente. Sélo identifica la tasa de mejoramiento en Z que se obtendrfa al moverse por esa arista. Entre las aristas con una taza positina de mejoramiento en Z, selecciona moverce por quella con la tasa mds grande de mejoramiento en Z. La iteracién termina al obtener primero la solucién FEV al final de esta arista y despues reetiquerar esta solucién FEV adyacente como la soluci6n FEV actual para pasar ala prueba de optimalidad y (si es necesario) a la siguiente iteracién. En la primera iteracién del ejemplo, moverse de (0, 0) a lo largo de la arista sobre el eje x, da- ria una tasa de mejoramiento en Z de 3 (Z crece 3 por cada incremento de una unidad en.x,), mientras que al moverse por la arista sobre el eje x) se tendrfa una tasa de mejoramiento en Z de 5 (Z aumenta 5 por cada incremento de una unidad en x), de manera que se toma la deci- sin de moverse alo largo de esta iltima arista. En la segunda iteracin, la tinica atista que sale de (0, 6) que darfa una tasa de mejoramiento en Z positiva es la que lleva a (2,6), por lo que se toma la decisién de moverse por ella. El concepto de solucidn final aclara la manera en que se realiza la prucha de optimalidad en forma eficiente. Concepto de solucién 6: el concepto de solucién 5 describe cémo el método sim- plex examina cada arista de la regin factible que sale de la solucién FEV actual. Con este examen de una arista es sencillo identificar la tasa de mejoramiento en Z que se ‘obtendrfa al moverse por ella hasta la solucién FEV adyacente en el otro extrema, Una tasa positiva de mejoramiento en Z implica que la solucién FEV adyacente es mejor que Ja actual, mientras que una tasa negativa de mejoramicnto cn Z implica quc la solucién FEV adyacente es peor. Por lo tanto, la prueba de optimalidad consiste simplemente en verificar si alguna de las aristas lleva a una tasa posiriva de mejoramiento en Z. Si ningu- na lo hace, la solucién FEV actual es éptima. Encl ejemplo, al moverse por cualquiera de las dos aristas desde (2, 6), el valor de Z disminu- yc. Esto lleva, de inmediato, a la conclusién de que (2, 6) cs Sptima. PREPARACION PARA EL METODO SIMPLEX La secci6n anterior subrayé los conceptus geométricos fundamentales del método simplex. Sin embargo, lo comin es que este algoritmo se trabaje en una computadora que sélo puede seguir instrucciones algebraicas. Por lo tanto, es necesario traducir el procedimiento geomé- trico conceptual que se acaba de describir en un procedimiento algebraico que se pueda usar. En esta seccién se introduciré el lenguaje algebraico del método simplex y se relacionaré con los conceptos de la seccién anterior. El procedimiento algebraico se basa en la solucién de sistemas de ecuaciones. Asi, el pri- ‘mer paso para preparar el mérodo sfmplex es convertir las restricviunes fisncionales de desigual- dad en restricciones de igualdad equivalentes. (Las restricciones de no negatividad se dejan como desigualdades porque se manejan por separado. ) Esta conversién sc logra con la intro- 4.2 Preparacién para el método simplex 45 duccién de variables de holgura, Para ejemplificar, considere la primera restriccién funcio- nal en el problema de la Wyndor Glass Co. de la seccién 3.1 ay s4. La variable de holgura para esta restriccién se define como wae ve ¢6 la hotgura que queda en el lado izquierdo de la desigualdad. Entonces, sit ag a4 anit) Dada esta ecuacién, x; < 4se cumple si y s6losi4 ~ x; =x 20, Entonces, la restriccién origi- nal x, <4 es totalmente equivalente al par de restricciones Mtms=4 y x20. Al introducir variables de holgura en las otras restrcciones funcionales, el modelo de ProgramaciGn lineal original para este ejemplo (que se muestra a la izquiceda) se puede susti {Ru por cl modelo equivalente (llamado forma aummentada del modelo) que se encuentra ala derecha: Forma original del modelo Porm aumentada del modelo! Maximizar Z = 3x + 533, Maximizar Z = 3m + 533, sujeta a sujeta a % <4 Oa ty 4 2m s12 (2) 2m ty 2 3u + 2a S18 (3) 3542% +x5=18 7 20. 420, para j=1,2,3,4,5. Aun cuando ambas formas del modelo representan justo el mismo problema, la nueva forma cs mucho mds conveniente para la manipulacién algebraica y la identificacion de las solucion ies FEY. Sele da el nombre de forma aumentada de! problema, porque la forma original se ‘amen con algunas variables suplementarias necesarias para apicar el método simplex, Si una variable de holgura es igual a0 en la solucién actual, cutonces esta soluciOh se ene {uentra sobre la frontera de estriccién para la restriccidn funcional correspondiente. Un va. lor mayor que cero significa que la soluciGn esté en el lado factble dela frontera de. restriccién, mientras que un valor menor que O significa que esté en cl lado no fuctible de esta fromtera. 1a sdemostracién de estas propiedades proporcionada por el ejemplo de demostracin en el OR Tutor tiene cl nombre de Interpretation of the Slack Variables 1. rerminologia sada en a seccin anterior soluciones en los vertices, et.) se apica al forma original del problema. Ahora se introduciré la terminologia coxrespondientea la for, ma aumentada. Una solucion aumentada es una solucién para las variables originales (las variables de decisién) que se aumenté con los valores correspondientes de las variables, de holgura, “Las variables de holgura no s¢ mucstran en la funcién objetivo porque sus coeficientes son cero. 16 4. Solucién de problemas de programacién lineal: método simplex Por ejemplo, al aumentar la solucién (3, 2) en el ejemplo, se obtiene la solucién aumentada (3, 2, 1, 8, 5) puesto que los valores correspondientes de las variables de holgura son 3 =1, £4=8y x5=5. Una solucién bésica (BF) es una solucién en un vértice aumentada. Para ilustrar esto, considere la solucién no factible en el vértice (4, 6) en la figura 4.1. Al au- mentarla con los valores abtenidas para las variables de holgura x, =0, x 4=Oy xz =—6se llega a la solucién bisica correspondiente (4, 6, 0, 0, -6). El hecho de que las soluciones en los vertices (y por ende las soluciones bésicas) puedan ser 0 no factibles implica la siguiente definicién: Una solucién bésica factible es una solucién FEV aumentada, Asi, la solucién FEV (0, 6) del ejemplo es equivalente a la solucién BF (0, 6, 4, 0, 6) paracl problema en la forma aumentada. La tinica diferencia entre las soluciones bésicas y las soluciones en un vértice (0 entre las soluciones BF y soluciones FEV) es el hecho de que estén incluidos los valores de las variables de holgura. Dada cualquier solucién bésica, la solucién en el vértice correspondiente se obtie- ne con sdlo quitar las variables de holgura. Entonccs, las rclaciones geométricas y algcbraicas entre estas dos soluciones son muy estrechas, como se verd en la seccién 5.1. ‘Como los términos solucion bdsica y solucién bdsica factible constituyen partes muy impor- tantes del vocabulario normal de programacién lineal, es necesario aclarar sus propiedades al- gebraicas. Para la forma aumentada del ejemplo, observe que el sistema de restricciones funcionales tiene 5 variables y 3 ecuaciones, asi Numero de variables ~ ntimero de ecuaciones = § - 3 = 2, Este hecho proporciona 2.grados de libertad al resolver el sistema ya que se pueden elegir dos variables cualesquiera e igualarlas a cualquier valor arbitrario para resolver las tres ecuaciones en términos de las tres variables restantes.! El método simplex usa cero para este valor arbitra- rio, Ast, dos de las variables (liamadas pariables no basicas) se igualan a cero y, entonces, la solu- cién simultdnea de las tres ecuaciones para las otras wes variables (llamadas variables bdsivws) una solucién bdsica. Estas propiedades se describen en la siguientes definiciones generales. ‘Una solucién basica tiene las siguientes propiedades: 1. Cada vatiable se designa ya sea como variable bésica 0 como variable no bisica. 2. Elnsimero de variables bdsicas es igual al ntimero de restricciones funcionales (ahora ecua- ciones). Por lo tanto, el mimero de variables no bdsicas es igual al nimero total de variables ‘menos el mmimero de restricciones funcionales. 3. Las variables no bisicas se igualan a cero. 4. Los valores de las variables hdsicas se obtienen como la solucién simultdnea del sistema de ecuaciones (restricciones funcionales en la forma aumentada). (Con frecuencia se hace referencia al conjunto de variables bésicas como la base.) 5. Si las variables bdsicas satisfacen las restricciones de no negatividad, la soluci6n basica es una soluci6n BF. 'Bste método de determinar el nimero de grados de libertad para un sistemade ecuaciones es vido siempre yeuando cl sistema no incluya eeuacionesredundantes. Esta condicién siempre se cumple para el sistema de eevacionesform- do por ls rstrcciones Furcionales en la forma aumentada de un modelo de programacin lineal 4.2_Preparacin para el método simplex u7 Con cl fin de ilustrar estas definiciones se consideraré de nuevo la solucién BF (0, 6, 4, 0,6). Esta solucién se obtuvo aumentando la solucién FEV (0,6). Sin. embargo, otra manera deobtenerlaeselegir x; y 4 como variables no bésicas, es decir, como las dos variables que se igualan a cero, Las tres ecnaciones respectivas llevan a s3 = 4, x3 =6 y x5 =6.como la soluicion para las tres variables bisicas,segtn se muestra en seguida (las variables bésicas aparecen en negritas): 1-0 ¥ 4-0, woh Qo +43 a4 wad (2) 2x tay =12 % =6 @) 3x, + 2x, +a =18 x =6 Como estas tres variables bisicas son no negativas, esta solucién basica (0, 6, 4, 0, 6) es sin duda una solucién bsica fuctible. gual que cio» pares de soluciones FEV son adyacenter, se dice que los pares correspon- dientes de soluciones BF son adyacentes. La siguiente es una manera sencilla de decir cuéndo dos soluciones BE son adyacentes. Dos soluciones BF son adyacentes si sodas menos una de sus variables no bdsica som las mismas. Esto implica que rodas menos una de sus variables bisicas son también las mismas, aunque tal ver ‘von valores numéricos diferentes. En consecuencia, trasladarse de la solucién BF actual a una adyacente significa cambiar una variable de no bdsica a basica y viceversa para otra variable (y después ajustar los valores de las variables bdsicas para que sigan satisfaciendo el sistema de ecuaciones).. Para dar un ejemplo de soluciones hasicas factibles adyacentes, considerc un par de soluciv- nes factibles en vértices adyacentes cn a figura 4.1: (0, 0) y (0, 6). Sus soluciones aumentadss (0, 0, 4, 12, 18) y (0, 6, 4, 0, 6) son, de mancra autonxitica, soluciones BF adyacentes, Sin embargo, no es necesario ver la figura 4.1 para legar a esta conclusién. Otra forma de verloes observar que sus variables no bisivas (x), x2) y(%), 4), Son las mismas. excepto que.x 4 susti- tuye ap. En consecuencia, trasladarse de (0, 0,4, 12, 18) a (0,6, 4,0, 6) implica cambiar +, de variable no basica a basica y lo contrario para x 4. Al trabajar con el problema en la forma aumentada conviene tomar en cuenta y mani lar la ecuaci6n de la funcién objetivo al mismo tiempo que las nuevas ecuaciones de las restric. Giones. Antes de comenzar con el método simplex es necesario escribir el problema una vez més en una forma equivalente: Maximizar Z, sujeta a (0) Z-3x, - 5x, = 0 qa) xy + ay -4 (2) 2xy tay 2 3) 3x, + 2x +%5= 18 ¥j20, paraj=1,2,.. 8 43 4. Solucion de problemas de programacién lineal: método simplex Es justo como si la ecuacién (0) fuera una de las restricciones originales; pero como yase en- ‘cuentra cn forma de igualdad, no necesita variable de holgura. Al mismo tiempo que se agre- {26 una ecuacién también se agregé una variable (Z) al sistema de ecuaciones. Por lo tanto, al usar las ecuaciones (1) a (3) para obtener una solucién basica como se describid, se usa la ecuacién (0) para encontrar al mismo tiempo el valor de Z. Por casualidad, el modelo para el problema de la Wyndor Glass Co. se ajusta a nuestra for- sua estdndas, yeodae exe restricciones funcionales tienen valores no negativos b; en el lado de- recho. Si el caso fuera diferente, seria necesario hacer ajustes adicionales en este punto antes de aplicar ef método simplex. Estos detalles se dejarén pendientes hasta la seccién 4.6 para ahora dedicar toda la atencién al método simplex. ALGEBRA DEL METODO SIMPLEX Con propésitos ilustrativos, se seguir4 usando el ejemplo prototipo de la seccién 3.1, como se escribid al final de la seccién 4.2. Para comenzar a relacionar las canceptas geamérricas, con los algebraicos del método simplex, en la tabla 4.2 se describirén en paralelo , el punto de vista geomérrico y el algebraico de los pasos que sigucn para resolver este ejemplo. El pun to de vista geométrico (presentado por primera vezen la seccién 4.1) se basa en la forma origi- nal del modelo (sin variables de holgura), otra vez. consulte la figura 4.1 para visualizar lo escrito en la segunda columna de la tabla, Consulte la forma aumentada del modelo presen- tada al final de la seccién 4.2 cuando analice la tercera columna de la tabla. Ahora se darin los detalles de cada paso en la tercera columna de la tabla 4.2. Paso inicial Lacleccidn de x y x2 como las variables no bdsicas (las variables que se igualan a cero) para la solucién BF inicial se basa en el concepto de solucion 3 en la secci6n 4.1. Esta eleccicn climi- nal trabajo requerido para despejar las variables bisicas (x3, 4, *s ) del siguiente sistema de ecuaciones (donde las variables bésicas se muestran en negritas): x1 =0 y x2 =0, ast Qoom +e =4 mo4 2) 2m $y = 12 4212 (3) 3x, + 2x +x5=18 ws =18 La solucién BF inicial es (0, 0, 4, 12, 18). Observe que esta solucién se puede leer de inmediato porque cada ecuacién tiene justo tuna variable bisica con coeficiente 1, y esta variable bisica no aparece en ninguna otra ecua- cidn. Pronto se verd que cuando cambia el conjunto de variables bisicas, el método simplex ‘usa un procedimiento algebraico (eliminacién gaussiana) para convert las ecuaciones a la misma forma conveniente para leer las soluciones BF subsccucutes. Esta forma sc llama for- ma apropiada de eliminacién de Gauss. Prueba de optimalidad La funcién objetivo es Z= 3x +502, 43 Algebra del método simplex TABLA 4.2 tie Interpretaciones geométricay algebraica de los pasos del método simplex para resolver el ejemplo de la Wyndor Glass Co, Secuencia del método_Interpretacién geométrica Interpretacién algebraica Feoincal Se seeccona (0,0) como la solucién FEV inl. Se selectonax, yx, como variable wo bnew para i selriAn AF incl (0,0, %, 13,10), cpumatdad act Cptina porque al moverse por cusluler Noes Sptima porque al aumenear el valor de ‘optimalidad _arista que sale de (0,0), Zerece, ‘ualquier variable ne bésiea ej 0.43), el valor de Zaumenca, Ieoracién | Paso | ‘Se mueve por laarsta sobre el eje x3 Se aumenta el valor de x2 y se ajustan los valores de las otras variables para que saisfagan ef sistema de ecuaciones, Fuso? Sedation al encontrar la primera rntar de Se detion cuando el valor dla primera variable restrccién x= 12), bisica (xy, 14 0 x5) laga a cero (x). Paso 3 Aeemauentralanerseccin del nueva par de Con x come varlable bia x, no bic, se aoc rey eESOT (0.6) ek nueva” resueve l stoma de ecusciones 06408) solucién FEV. fe a nueva soluciin RE Cptimaicad NOS Sptima porque al moverse por lara No es 6ptma porque al aumertar el valor de ‘optimalidad que va de (0,6) haclala derecha, & crece, tuna variable no bésien (x) el valor de 2 leoracién 2 Paso | Semueve por la arsta que vahacala erecha Se aumenta el valor x; ys ajustan ls de lt deme variables para que saisagan el Sterna de ecuaciones. Pmo2 Se detene cuando encuentra a primera rontera Se dtine cuando primera varable ba ee, e restriccion (Bey + 2x3 = 18). 1; 013) lega a cero (a). Peso} Se-encuenta interseccién del nuevo par do Conn come variable Lisi no Bsa, se waee Renner: 2,6) esa nueva” resuelve l stoma de ecuacone: (26 0°00) solucién FEV. sla nueva solucién BF Prusbade (2,6) es 6ptima porque al moverse por (26,2, 0,0) es éptima porque al aumentar e! optimaliad casi ata que ale de 2,6), Z decree. valor de calquer warble ne Ban Gao el valor de Z disminuye, de manera que Z = 0 para Ia soluci6n BF inicial, ya que ninguna variable basica (13, x 4, x5) tiene coeficientedistinto de cero en esta funciGn objetivo, cleneficiente de ae variables at) Sieas (1, az) da la tasa de mejoramiento de Z sie aumentara el valor de esa variablea mis de cero (y se ajustan los valores de las variables bisicas para que satisfagan cl sistema de ccuacio- nes), Estas tasas de mejoramiento (3 y 5) son postins. Por lo tanto, segtin el concepto de so- lucidn 6 en la seccidn 4.1, se concluye que (0, 0, 4, 12, 18) no es éptima. Para cada solucién BF que se examina después de varias iteraciones, al menos una varia- Ox pases ene cocfcicure diferente de ceo en la fanciGn objetivo, Por lo tanto, la prueba de optimalidad usardla nueva ecuacién (0) para reescrbir lafuncién objetivo en eéeminos de La variables no basicas, como se verd mds adelante. Spans gu eta merpreacn de fos coefcenes dex basen que estas variables se encuentten ene lado dere hos? = 38+ 51-Cuandose pasanal lado inquierdo de laccuaciin (0),2.~ 3-85 ~ O,loscociecane len ws Uc cero cambian su signo, 120 4 Solucién de problemas de programacién lineal: método simplex Determinacién de la direccién de movimiento (paso | de una iteracién) Aumenrar el valor de una variable no bisica (y ajustar los valores de las variables bésicas para ‘que satisfagan el sistema de ecuaciones) corresponde a moverse a lo largo de una arista que sale de lasolucién FEV actual. Segxin los conceptos de solucién 4 y 5 en la seccidn 4-1, laelec- cidn de cudl variable no bisica debe aumentar su valor se hace como sigue: Z=3x, + 5x, Aumenta x? Tasa de mejoramiento en Z = 3. éAumenta x)? Tasa de mejuramicnty eu Z= 5. 5 > 3, de manera que se elige x) para aumentar su valor. ‘Como se indica en seguida, x) se llama la variable bdsica entrante para la iteracién 1. En cada iteracién del método simplex el propésito del paso 1 es elegir una variable no bisica para que aumente su valor (y se ajustan los valores de las variables bésicas para que satisfagan el sistema de ecuaciones). Al aumentar el valor de esta variable no basica se convertiré en variable biésicn para la siguiente solueién BE Por lo tanto, esta variable se llama la variable ‘rante para la iteracién actual (porque es la que entrard ala base) Determinacién de dénde detenerse (paso 2 de una iteracién) El paso 2 contesta la pregunta de cuénto aumentar el valor de la variable bésica entrante x) antes de detenerse. Al aumentar la variable x2 crece el valor de Z por lo que se quiere incre- ‘mentar lo mds posible sin dejar la regin factible. El requerimiento de satisfacer las restriccio- ines fuuncionales en la forma aumentada (que se muestra en seguida) significa que al aumnentar 4) (manteniendo la variable no bésica x; = 0) cambia el valor de algunas variables basicas, ‘como se observa en el lado derecho. = =0, asi, Qo tes =4 i 2) Qxy tay =12 842 12-2x, (3) 3x, +2) +x5 ~18 a5 = 18-2. El otro requisito para la factibilidad es que todas las variables sean no negativas. Las variables no basicas (incluyendo a la variable entrante) son no negativas, pero es necesario verificar ccudnto puede crecer x» sin violar las restricciones de no negatividad para las variables bésicas, wy = 420 = no hay cota superior sobre x2. 12 wg2l2-2m20 > ms 6 oe 2 Entonces x2 puede crecer justo hasta 6, punto enel que. ha legado a0, Aumentar x, amés de 6 causaria que x, se valviera negativa, lo que violarfa la factibilidad. Estos célculos reciben el nombre de prueba del cociente minimo. El objetivo de la prue- bacs determinar qué variable basica llega a cero primero cuando crece la variable entrante. De jinmediato se puede descartar la variable basica en las ecuaciones donde el coeficiente de a va- riable basica entrante ¢s cero o negativo, puesto que estas variables nu decrecen si la variable 4.3. Aigebra del método simplex 12 pésicaentrante aumenta, (Esto ocurtié con x, en la eciacién (1) de ejemplo Sin embargo, Por cada ecuacién donde el coeficiente de a variable bisica cntranke es estriciamenta positivo (> 0), esta prueba calcula el caiente del lado derecho entre el coeficiente de a variable hae Sorrante, Ta variable bisieaen la ccuasion con elcociente minimo es la que lega a cero prime- ro cuando crece la variable bésica entrante, En cualquier iteracién del metodo simplex, el paso 2 utiliza la pruchn del cociente minimo para dleterminar cul varia sia lega primero a cro uuu aumentacl valor delavareble hen Faghtrants, Al disminuir hasta cero el valor de esta variable bisica, se convierte en mariable np ‘bdsica para a siguiente solucién BE Por lo cant esta variable se lamna variable basica que sale para la iteracin acrual (ya que es la que deja la base). De cesta manera, 74 ¢s la variable basica que sale para la iteracién 1 del cjemplo, Solucién de una nueva solucién BF (paso 3 de una iteracién) Alaumentat x2 =0 hasta #2 =6, el procedimiento se mueve de lasolucién BE inicial mostra- da a la izquierda hacia la nueva solucién RF a la derecha, Solucién BF inicial Nueva solucigu BF Variables no bisicas: x, =0, x) =0 x4=0 Variables basicas: S324, e4=12, xy =18 a re Elpropésito del paso 3 es convertir el sistema de ecuaciones a una forma mds conveniente (la forma adecuada de climinacién gaussiana) para llevar a cabo la prueba de optimalcil yhasi- Silene iteraci6n (sis necesario) con la nueva solucién BE En el proceso, esta forma tambien ‘dentificard los valores de +s y x para la nueva solucién. Se escribird de nuevo el sistema de ecuaciones completo, con ls nuevas vatiables bisicas en negritas (Z es la variable bdsica en la ecuacién de la funcién objetivo): 0) Z- 3x, - Sy =0 ot) 4 +45 (2) 2x, +4 (3) 3x, + 2x +6 Bntonces, x sustituy6 a4 como lavaiablebisicaen la ecuacién (2).ParadespejarZ, ey, 3 Y-s5, deste sistema de ecuaciones es necesario realizar algunas operaciones algebraicas ce: mentales para reproducir el patrén actual de coeficientes de x (0, 0, 1, 0) como los nucveg Sfententes de #2. Se pueden realizar cualquiera de los dos tipos de operaciones algebraicas elementales: 1. Multiplicar (o dividir) una ecuacién por una constante dlstinta de cero. 2. Sumar (o restar) un miltiplo de una ecuacién a (0 de) otra ecuacion, Para prepatat la eecucion de estas operaciones, observe que los respectivos coefcientes oraz ene sistema ce ecuaciones anterior son ~5, 0, 22, ye intenta convertirlosen0, 0,1 y O. respectivamente. Para convertir el coefciente de 2en la ecuacidn (2) en un I, se usael pri- ‘mer tipo de operacién algebraica elemental y se divide esta ecuacidn cutre 2 para obtener Q) 2 +fe6 122 4. Soluci6n de problemas de programacién lineal: método simplex Para convertir los coeficientes de ~Sy 3 en ceros, es necesario usar un segundo tipo de opera- cidn elemental. En particular, se suma ala ecuacidn (0) esta nueva ecuacién (2) multiplicada por 5, y se resta de la ecuacién (3) esta nueva ecuacién multiplicada por 2. El nuevo sistema de ccuaciones que resulta es (0) Z-3x, + Say = 30 2 a) +m : a 2) — (3) 3x - x4t es = 6 Como x; = Oy x4 =0, las ecuaciones en esta forma llevan de inmediato a la nueva solucién BE (x1, 3, 3, 4, x5) = (0, 6, 4, 0,6), loqueda Z=30. Este procedimiento para obtener la solucién simultdnea de un sistema de ecuaciones li neales se llama método de climinacién de Gauss-Jordan, o cn forma corta climinacién gaussia- na! El concepto clave de este método es usar las operaciones algebraicas elementales para reducir el sistema de ecuaciones original a la forma apropiada de eliminacién gaussiana, en donde cada variable basica se elimina de todas las ecuaciones menos una (su ecuacién) y enesa ecuacién tiene coeficiente +1. Prueba de optimalidad para la nueva solucién bi factible La ecuacién (0) actual da el valor de la funci6n objetivo en términos nada més de las variables no bisicas actuales, Z= 30+ 3x ~ Sey ‘Aumentar el valor de cualquiera de estas variables no bdsicas (con el ajuste de los valores de las variables basicas para que cumplan con el sistema de ecuaciones) significa trasladarse a una de las dos soluciones BF adyacentes. Como x; tiene coeficiente positivo, al crecer lleva a una solu- cién BF adyacente que es mejor que la solucién actual, por lo que ésta todavia no es éptima, Iteracién 2 y la solucién éptima que resulta ComoZ = 30-+ 3x; ~ §.4,¢ puede aumentarsi aumenta el valorde ®y, pero nol de. 4. Por Jo tanto, el paso 1 clige a, como la variable bisica entrante. ara el paso 2 el sistema de ecuaciones actual llevaa las siguientes conclusiones sobre qué tanto se puede aumentar (con x 4~ 0): mndim 20 3 acting, 620 > no hay cota superior sobre 6-3m20 > ms $=2 3), de manera que x, debe convertitse en variable bsica. (Este cambio se indica en la tabla 4.4 mediante el recnaciro al. rededor de la columna abajo de ~5,) Paso 2: se determina la variable basica que sale con la prueba del cociente minimo. Prueba del cociente minimo 1. Elija los coeficientes de la columna pivote que son estrictamente positives (> 0). 2. Divida cada coeficiente entre el elemento del lado derecho cn ch mhisinu renglén. 3. Identifique el renglén que tiene la menor de estas razones. 4, Lavariable bésica en ese rengléu es la variable basica que sale, entonces sustitiyala por la Variable bésica entrante en la columna de la variable bésica de la siguiente tabla, TABLA 4.4 Aplicacién de la prueba del cociente minimo para determinar la primera variable bisica que sale en el problema de la Wyndor Glass Co, Variable Coeficiente de Lado basica | nim M3 Xt» | derecho Razén Zz mi] t{-3 -s 0 0 o fo 6 a | o 1 0 ' O06 |4 “ 0 fz} 0 1 o fio 226 « minne ta Bay 2 126 4. Soluci6n de problemas de programacién lis Ponga un recuadro en este rengién que se llama renglén pivote. El ntimero que se encuentra en los dos recuadros se llama mimero pivote. Endlejemplo: los célculos para la prueba del cociente minimo se muestran ala derecha de la tabla 4.4. El renglén 2 es el renglén pivote (vea el recuadro alrededor de ese rengion en la primera tabla simplex de la tabla 4.5) y x, es la variable bésica que sale, En la siguiente tabla simplex (vea la tabla 4.5) x sustituye a x4 como la variable basica para el renglon 2. ‘Paso 3: se despeia la nueva solucién BF mediante operaciones elementales can renglo- nes (multiplicacién o divisidn de un renglén por una constante diferente de cero; sumao res- ta de un miiltiplo de un renglén con otro) para construir una nueva tabla simplex en la forma apropiada de climinacién gaussiana, abajo de la tabla actual, y después se regresa a la prueba de optimalidad. Las operaciones clementales con renglones que deben realizarse son: 1. Divida el renglén pivote entre el niimero pivote. Use este nuevo renglén pivote en los pa sos 2y 3, 2. Para los renglones (incluso cl renglén 0) que ticnen un coeficiente negarivo en la colum- na pivote, se suma a este renglén el producto del valor absoluto de este cocficiente por el nuevo rengl6n pivote 3. Paralos renglones que tienen un coeficiente positivo en la columna pivote, seresta de este renglén el producto de este coeficiente por el nuevo renglén pivote. Encl ejemplo: debido a que x2 sustituye a x4 como variable bésica, se necesita reproducit cl patrén de la primera tabla de coeficientes de la columna de x 4 (0, 0, 1, 0) en la columna de 2 dela segunda tabla simplex. Para comenzar, se divide el rengién pivote (renglén 2) entre el ntimero pivote (2), 1o que da el nuevo renglén 2 mostrado en la tabla 4.5 1Después, se suma al renglén 0 el nuevo renglén 2 multiplicado por 54Luego se resta del rengién 3 el nuevo ren- glén 2 multiplicada par 2 (0 de manera equivalente, se resta del renglén 3 el renglén 2ante rior). Estos célculos evan a la nueva tabla simplex que se muestra en la tabla 4.6 para la iteracién 1. Asi, la nucva solucién BF cs (0, 6, 4, 0, 6), con Z= 30, Después se regresa a laprueba de optimalidad para verificar sila nueva solucién BF es 6ptima. Como el nuevo ren- gl6n 0 todavia tiene un coeficiente negativo (-3 para x), la soluci6n noes Gptima, y se nece- sita por lo menos una iteracién més, TABLA 4.5 Tabla simplex para el problema de la Wyndor Glass Co. después de dividir el primer renglén pivote entre el primer némero pivote : an a Cosficiente de Iteracion basica | nim. | Z | om x2 xts_Xe——Xs__|derecho Zz of:']/s3 3 ° ° ° 0 x» | @ |] o t ° 1 o ° 4 : % @ | 0 0 z 0 i 0 a x || o 3 GJ ° ° 1 18 z |@]o »n |] o ' a |@|o ° 1 ° ; ° ® e a 4.4 El método simplex en forma tabular 127 TABLA 4.6 _ Primeras dos tablas simplex para el problema de la Wyndor Glass Co. Variable | Ec. Coeficiente de Lado Iteracién _basica_|nim.| Z * a 2 Pi Xs [derecho z fo]: }/s3-s i et = 0) ° x [alo ices me leG)e| Oe eee eal! Zoo oes » |mfols o : an |@lolo 4 . s }@}o}] 3s 0 o 4 1 6 eS Iteracién 2 para el ejemplo y Ia solucién éptima que resulta {La segunda iteracion comienza de nuevo en la segunda tabla simplex de la tabla 4.6 para en- contrar la siguiente solucién BE Sise siguen las instrucciones de lox pasos 1 y 2, se encuentra que »; es lavariable basica entrante y x la variable basica que sale, como se muestra en la ta. bla 4.7, Para l paso 3se divide el renglén pivore (renglén 3) en la tabla 4.7 entre el mimero pivo- te (3). Después, se suma al renglén 0 el nucvo rengién 3 multiplicado por 3, Luego, se resta cl nuevo renglén 3 del rengién 1. En Ia tabla 4.8 se tiene ahora el conjunto de tablas simplex completo. La nueva solucién BFes (2, 6, 2,0, 0), con Z = 36. Al hacer la prueba de optimalidad, se encnentra que la solu Clones dptima porque no hay coeficientes negativos en el rengién 0, de manera que el algo ‘mo termina. En consecuencia, la solucién éprima para el problema de la Wyndor Glass Co. (antes de introducir variables de holgura) es x; = 2, x =6. Ahora compare la tabla 4.8 con el trabajo que sc hizo en la secci6n 4.3 para verificar que, en realidad, estas dos formas del método simplexson equivalentes, Después observe que la for. ima algebraica es uncjor para entender la l6gica que fundamenta el método simplex, pero la TABLA 4.7 Pasos | y 2 de la iteracién 2 para el problema de la Wyndor Glass Co, Variable | Ee. Coeficiente de Lado Heeracién_basica |num.[Z [4 aa xy x3 [derecho Razén 128 45, 4 Solucién de problemas de programacién lineal: método simplex TABLA 4.8 Tabla simplex completa para el problema de la Wyndor Glass Co. Variable | Ec. Coeficiente de Lado. feeracién _bésica | nam. [ 2 | ual ase Zz @)i | a 0 ° ° eee| eles ° 4 4 |@)] 0) 0 az] s | @|o | 3 1 18 z |@}lifa ° 30 ello | in c : : x | @|o | lo o ie s | @|o |B 0 @ i -] z |@m@|1{o o o 1 6 \ s |am}ofo o 4 s 2 2 3 a Q) 0 0 1 oO 0o 6 x | @}o C0 i 2 forma tabular organiza cl trabajo de mancra més conveniente y compacta. En gencral se usard esta forma de ahora en adelante. Encl OR Tutor puede encontrar un ejemplo adicional de aplicacién del método simplex en forma tabular. Vea la demostracién llamada Simplex: Method—Tabular Form, ROMPIMIENTO DE EMPATES EN EL METODO SIMPLEX Es posible que haya observado que en las dos secciones anteriores no se dijo qué hacer cuando las reglas de seleccién del método simplex no evan a una decisién clara, ya sea porque hay empates (valores iguales) o por otras ambigiiedades parecidas. Se estudiarin estos detalles. Empate para la variable basica entrante El paso 1 de cada iteracidn elige la variable no hdsica que tiene el cneficiente negativa con el ‘mayor valor absoluto en la ecuacién (0) actual como la variable bdsica entrante. Ahora suponga que dos o més variables no basicas tienen cl cocficiente negativo més grande (cn valor absolu- 10), ¢s decir, que hay un empate. Por ejemplo, esto ocurrirfa en la primera iteracién del pro- blema de la Wyndor Glass Co, si se cambiara la funcién objetivo a Z = 3x; + 3x2, con lo que Ia ecuacién (0) inicial seria Z — 3x; - 3x, = 0. {Cémo debe romperse este empate? La respuesta es que-se puede elegir entre estos dos contendientes de manera arbitraria. ‘Tarde o temprano se llegaré ala solucién éptima, sin importar cudl de las variables empatadas se haya escogido, y no existe un método conveniente para predecir cual lleva ahi con mayor 4.5._Rompimiento de empates an al métada simplax 129 rapidez. En este ejemplo, si se escoge x, como variable entrante, el método simplex alcanza la solucién éptima (2, 6) en tres iteraciones y si se elige x, llega en dos. Empate para la variable basica que sale: degeneracién Ahora suponga que el empate ocurre entre dos 0 mis variables bisicas al elegir la variable que sale exrel paso 2 de una fteracion, éImporta cual se escoge? En teoria, si, yen una forma critica debido a que puede ocurrir la siguiente sucesidn de eventos. Primero, todas las variables em- ppatadas se hacen cero al mismo tiempo cuando aumenta el valor de la variable entrante. Por lo tanto, aquellas que no se eligieron como variable bésica que sale también tendrdn un valor de cero en la nueva solucién BE (Las variables bdsicas con valor de cero se llaman degeneradas y el mismo nombre se da a la solucién BF correspondiente.) Segundo, si una de estas variables bésicas degencradas sigue con valor de cero hasta que se selecciona como variable bisica que sale en una itcraciéu posterior, la variable basica entrante deberd también quedar con valor de cero (ya que no puede crecer sin que la variable bésica que sale se vuelva negativa), entonces el valor de 2 quedara sin cambio. Tercero, si Z permanece igual en lugar de mejorar cada itera- ci6n, el método simplex puede caer en un ciclo que repite la misma secuencia de soluciones en forma periddica, en lugar de aumentar en algiin momento para llegar a la solucidn éptima. De hecho, se han construido ejemplos artificiales que se quedan atrapados en un ciclo perpe~ tuo de este tipo. Por fortuna, aunguc en teoria es posible que haya ciclos perperuos, muy rara vez han ocu- rrido en problemas reales. Si ocurriera un ciclo siempre se puede salir de él cambiando la elec-

    You might also like