You are on page 1of 23

Método simplex

:
introducción

El método símplex es un método muy práctico, ya
que solo trabaja con los coeficientes de la
función objetivo y de las restricciones.
El método Simplex es un procedimiento iterativo
que permite mejorar la solución de la función
objetivo en cada paso. El proceso concluye
cuando no es posible continuar mejorando dicho
valor, es decir, se ha alcanzado la solución
óptima (el mayor o menor valor posible, según el
caso, para el que se satisfacen todas las
restricciones).

MÉTODO SIMPLEX

El método simplex es un procedimiento iterativo que
permite tender progresivamente hacia la solución
óptima. Es un procedimiento sistemático y eficiente para
encontrar y probar soluciones situadas en los vértices
de optimalidad.

El método requiere que las restricciones sean
ecuaciones en lugar de inecuaciones, lo cual se añade
variables de holgura a cada inecuación del modelo,
variables que nunca pueden ser negativas y tienen
coeficiente “0” en la función objetiva

Conceptos importantes:

Solución básica: Valores de las variables que
satisfacen las restricciones de igualdad de un
programa lineal en forma estándar, después de
que las variables no básicas se toman como
cero.

Solución básica factible inicial: Valores de
las variables que satisfacen las restricciones de
igualdad y de no negatividad de un programa
lineal en forma estándar, después de que las
variables no básicas se toman como cero.

Conceptos importantes

Variable de holgura: variable no
negativa que se añade al lado izquierdo
de una restricción menor o igual que,
para obtener una restricción de
igualdad equivalente.
Variable artificial: variable no
negativa que se añade al lado izquierdo
de una restricción mayor o igual que,
para obtener una restricción de
igualdad equivalente.

OBSERVACIÓN

deberá tenerse en cuenta que este método sólo
trabaja para restricciones que tengan un tipo de
desigualdad "≤" y coeficientes independientes
mayores o iguales a 0, y habrá que estandarizar
las mismas para el algoritmo. en caso de que
después de éste proceso, aparezcan (o no varíen)
restricciones del tipo "≥" o "=" habrá que
emplear otros métodos, siendo el más común el
método de las dos fases.

PREPARANDO EL MODELO PARA
ADAPTARLO AL MÉTODO SIMPLEX
Esta es la forma estándar del modelo:
Función objetivo: c1·x1 + c2·x2 + ... +
cn·xn
Sujeto a:
a11·x1 + a12·x2 + ... + a1n·xn = b1
a21·x1 + a22·x2 + ... + a2n·xn = b2
...
am1·x1 + am2·x2 + ... + amn·xn = bm
x1,..., xn ≥ 0

Para ello se deben cumplir las siguientes condiciones:

El objetivo es de la forma de maximización o de
minimización.

Todas las restricciones son de igualdad.

Todas las variables son no negativas.

Las constantes a la derecha de las restricciones son
no negativas.

DESARROLLANDO EL MÉTODO
SIMPLEX

Una vez que hemos estandarizado
nuestro modelo, puede ocurrir que
necesitemos aplicar el método Simplex
o el método de las dos fases

Desarrollo del Método
simplex

En la primera columna de la tabla aparecerá lo que
llamaremos base, en la segunda el coeficiente que tiene
en la función objetivo cada variable que aparece en la
base (llamaremos a esta columna Cb), en la tercera el
término independiente de cada restricción (P0), y a partir
de ésta columna aparecerán cada una de las variables de
la función objetivo (Pi). Para tener una visión más clara de
la tabla, incluiremos una fila en la que pondremos cada
uno de los nombres de las columnas. Sobre ésta tabla que
tenemos incluiremos dos nuevas filas: una que será la que
liderará la tabla donde aparecerán las constantes de los
coeficientes de la función objetivo, y otra que será la
última fila, donde tomará valor la función objetivo. Nuestra
tabla final tendrá tantas filas como restricciones.

Los valores de la fila z se obtienen de la siguiente
forma: el valor z0 será el de sustituir cim en la
función objetivo (y cero si no aparece en la base).
el resto de columnas se obtiene restando a este
valor el del coeficiente que aparece en la primera
fila de la tabla.
se observará al realizar el método simplex, que
en esta primera tabla, en la base estarán las
variables de holgura.

Elección de la variable que sale: Una vez obtenida la variable entrante,
obtendremos la variable que sale, sin más que seleccionar aquella fila cuyo
cociente P0/Pj sea el menor de los estrictamente positivos (teniendo en
cuenta que sólo se hará cuando Pj sea mayor de 0). La intersección entre la
columna entrante y la fila saliente nos determinará el elemento pivote.

- Actualización de la tabla: Las filas correspondientes a la función objetivo y
a los títulos permanecerán inalterados en la nueva tabla. El resto deberá
calcularse de dos formas diferentes:
Si es la fila pivote cada nuevo elemento se calculará:

Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote.

Para el resto de elementos de filas se calculará:
Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna
Pivote en la fila actual * Nuevo Elemento Fila).

Ejemplo: Dos empresas Mineras extraen dos tipos 
diferentes de minerales, los cuales son sometidos a un
proceso de trituración, con tres grados: alto, medio y
bajo. Las compañías han firmado un contrato para
proveer de mineral a una planta de fundición, cada
semana, 12 toneladas de mineral de grado alto, 8
toneladas
de grado medio y 24 toneladas de grado
 
de euros)
bajo. MINA
Cada COSTO/DÍA(miles
una
de
las empresas tiene diferentes
PRODUCCIÓN (Tn/día)
 
 
ALTO
MEDIO BAJO
procesos
de
fabricación.
X
180
6
3
4
Y

160

1

1

6

SOLUCIÓN:

Minimizar la FO Z= 180X1 + 160 X2
SUJETO A:
FORMA ESTÁNDAR
6X1+X2 12
6X1+X2 +S1=12
3X1+X2 8
3X1+X2 +S2 =8
4X1+6X2 24
4X1+6X2+ S3 =24
X1 5, X2 5
Z=-180X1-160X2

TABLA INICIAL

BASE Variables de VARIABLES
DECISIÓN
DE
 
HOLGURA
 
X1
X2
S1
S2
S3

SOLU OPERA
CIÓN CIÓN
 

 

S1

6

1

1

0

0

12

 

S2

3

1

0

1

0

8

 

S3

4

6

0

0

1

24

 

0

0

0

0

 

Z

-180 -160

RESULTADO DE LA
ITERACIÓN N°1

ITERACIÓN N°1
BASE Variables de VARIABLES
DECISIÓN
DE
 
HOLGURA

SOLU
CIÓN

OPERA
CIÓN

BASE Variables de
DECISIÓN
 

VARIABLES
DE
HOLGURA

SOLUC OPERA
IÓN
CIÓN

 

X1

X2

S1

S2

S3

 

 

 

X1

X2

S1

S2

S3

 

 

S1

6

1

1

0

0

12

12÷6=
2

X1

1

1/6

1/6

0

0

2

(6)÷ X1

S2

3

1

0

1

0

8

8÷3=2
.6

S2

0

1/2

-1/2

1

0

2

 

S3

4

6

0

0

1

24

24÷4=
6

S3

0

16/3

-2/3

0

1

16

 

Z

-180

-160

0

0

0

0

 

Z

0

-130

30

0

0

360

 

RESULTADO DE LA
ITERACIÓN N°2

ITERACIÓN N°2
BASE
 

Variables
de
DECISIÓN

VARIABLES
DE
HOLGURA

SOLU OPERA
CIÓN CIÓN

 

X1

X2

S1

S2

S3

 

 

 

X1

X2

S1

S2

S3

 

 

S1

1

1/6

1/6

0

0

2

2÷1/6
=12

X1

1

0

3/16

0

-1/32

3/2

 

S2

0

1/2

-1/2

1

0

2

2÷1/2
=4

S2

0

0

-7/16

1

-3/32

1/2

 

S3

0

16/3

-2/3

0

1

16

16÷16
/3=3

X2

0

1

-1/8

0

3/16

3

(3/16)•
X2

Z

0

-130

30

0

0

360

 

Z

0

0

55/4

0

195/8

750

 

BASE Variables de VARIABLES
DECISIÓN
DE
 
HOLGURA

SOLUC OPERA
IÓN
CIÓN

TABLA FINAL
BASE Variables de VARIABLES
DECISIÓN
DE
 
HOLGURA
 
X1
X2
S1
S2
S3

SOLUC OPERA
IÓN
CIÓN
 

 

X1

1

0

3/16

0

-1/32

3/2

 

S2

0

0

-7/16

1

-3/32

1/2

 

X2

0

1

-1/8

0

3/16

3

 

Z

0

0

55/4

0

195/8

750

 

Conclusión del problema



Como todos los coeficientes de la fila de la
función objetivo son positivos, hemos llegado a la
solución óptima.   La solución óptima viene dada
por el valor de Z en la columna de los valores
solución, en nuestro caso: 750.
DONDE
X1 = 3/2
DONDE
X2 = 3
La empresa X (=X1) debe operar 1.5 días para
cumplir el contrato con la planta de fundición.
La empresa Y (=X2) debe operar 3 días para
cumplir el contrato con la planta de fundición.

PROBLEMA
SOBRE MINERÍA SUBTERRANEA.

Como se inicio el programa
de optimización LINDO
LINDO
es
una
aplicación
para
computadoras que se utiliza para
resolver problemas de programación
lineal, cuadrática y entera.
Desde 1979 el programa lindo a sido el
preferido por centros educativas y
empresariales.

GRACIAS

=)