Beruflich Dokumente
Kultur Dokumente
ndice..........................................................................................................................1
Introduccin...............................................................................................................2
2.1 Teora del mtodo Simplex..................................................................................3
2.2 Forma tabular del mtodo Simplex......................................................................4
Ejemplo (parte 1): mtodo Simplex........................................................................7
2.3 El mtodo de las dos fases...............................................................................14
2.4 Casos especiales...............................................................................................18
2.5 Uso de software.................................................................................................24
2.6 CONCLUSIN...................................................................................................26
2.7 BIBLIOGRAFA..................................................................................................26
Introduccin
El mtodo algebraico es muy dispendioso, en razn a que trabaja con todos los
datos de las ecuaciones, para mejorar ste aspecto se cre el mtodo simplex
cuya gran virtud es su sencillez, mtodo muy prctico, ya que solo trabaja con los
coeficientes de la funcin objetivo y de las restricciones. Las reglas de decisin
para determinar la variable que entra, la que sale, la gran M, y cmo determinar
que estamos en el ptimo; Todas stas reglas de decisin fueron deducidas del
mtodo algebraico, solamente que aqu se han acomodado para ser usadas en el
tipo de tablero simplex que se usar.
CONDICIN DE OPTIMIDAD
La variable entrante en un problema de maximizacin es la variable no
bsica con el coeficiente ms negativo y para una minimizacin, la variable
con el coeficiente ms grande o ms positivo en la ecuacin de la funcin
objetivo.
Un empate se rompe arbitrariamente, el ptimo se alcanza cuando todos
los coeficientes en la funcin objetivo son 0s y positivos para el problema
de maximizacin y 0s y negativos para el problema de minimizacin.
CONDICIN DE FACTIBILIDAD
Tanto en problemas de maximizacin como de minimizacin la variable
saliente, es la variable bsica actual con el menor cociente positivo que
resulta al dividir el lado derecho entre los respectivos de la columna pivote
(seleccionada por la variable entrante).
Tabla
C1
C2
...
Cn
Base
Cb
P0
P1
P2
...
Pn
P1
Cb1
b1
a11
a12
...
a1n
P2
Cb2
b2
a21
a22
...
a2n
...
...
...
...
...
...
...
Pm
Cbm
bm
am1
am2
...
amn
Z0
Z1-C1
Z2-C2
...
Zn-Cn
Todos los valores incluidos en la tabla vendrn dados por el modelo del
problema salvo los valores de la fila Z (o fila indicadora). Estos se obtienen de la
siguiente forma: Zj = (CbiPj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en
caso contrario Pj = aij.
Se observa, al realizar el mtodo Simplex, que en esta primera tabla
ocupan la base todas las variables de holgura y por ello (todos los coeficientes de
las variables de holgura son 0 en la funcin objetivo) el valor inicial de Z es cero.
Por este mismo motivo tampoco es necesario realizar los clculos de los
costes reducidos en la primera tabla, pudindose determinar directamente como el
cambio de signo de los coeficientes de cada variable en la funcin objetivo, esto
es, -Cj.
Condicin de parada:
Se cumple la condicin de parada cuando la fila indicadora no contiene
ningn valor negativo entre los costes reducidos (cuando el objetivo es la
maximizacin), esto es, no existe posibilidad de mejora.
Si no se cumple la condicin de parada es necesario realizar una iteracin
ms del algoritmo, esto es, determinar la variable que se vuelve bsica y la
que deja de serlo, encontrar el elemento pivote, actualizar los valores de la
tabla y comprobar si se cumple nuevamente la condicin de parada.
Es tambin posible determinar que el problema no se encuentra acotado y
su solucin siempre resultar mejorable. En tal caso no es necesario
continuar iterando indefinidamente y se puede finalizar el algoritmo. Esta
Elemento pivote:
El elemento pivote de la tabla queda marcado por la interseccin entre la
columna de la variable entrante y la fila de la variable saliente.
Actualizacin de la tabla:
Las filas correspondientes a la funcin objetivo y a los ttulos permanecern
inalteradas en la nueva tabla. El resto de valores debern calcularse como
se explica a continuacin:
Maximiza Z = f(x,y) = 3x +
2y
r
sujeto a: 2x + y 18
2x + 3y 42
3x + y 24
x0,y0
Se consideran las siguientes fases:
1.
x pasa a ser X1
y pasa a ser X2
Como los trminos independientes de todas las restricciones son positivos
no es necesario hacer nada. En caso contrario habra que multiplicar por "1" en ambos lados de la inecuacin (teniendo en cuenta que esta operacin
tambin afecta al tipo de restriccin).
- exceso + artificial
+ artificial
+ holgura
Base
Cb
P0
P1
P2
P3
P4
P5
P3
18
P4
42
Tabla I . Iteracin n 1
P5
Z
24
-3
-2
Condicin de parada.
Si el objetivo es la maximizacin, cuando en la ltima fila (fila indicadora) no
existe ningn valor negativo entre los costes reducidos (columnas P1 en
adelante) se alcanza la condicin de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de
mejora. El valor de Z (columna P0) es la solucin ptima del problema.
Otro caso posible es que en la columna de la variable entrante a la base
todos los valores son negativos o nulos. Esto indica que el problema no se
encuentra acotado y su solucin siempre resultar mejorable. Ante esta
situacin no es necesario continuar iterando indefinidamente y tambin se
puede dar por finalizado el algoritmo.
De no ser as, se ejecutan los siguientes pasos de forma iterativa.
pivote y columna
pivote marca
Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:
Nueva fila P4
42
1/3
1/3
26
7/3
-2/3
Base
Cb
P0
P1
P2
P3
P4
P5
P3
1/3
-2/3
P4
26
7/3
-2/3
P1
1/3
1/3
24
-1
Base
Cb
P0
P1
P2
P3
P4
P5
P2
-2
P4
12
-7
P1
-1
30
-1
Base
Cb
P0
P1
P2
P3
P4
P5
P2
12
-1/2
1/2
P5
-7/4
1/4
P1
3/4
-1/4
33
5/4
1/4
C1
C2
...
Cn-k
...
Cn
Base
Cb
P0
P1
P2
...
Pn-k
...
Pn
P1
Cb1
b1
a11
a12
...
a1n-k
...
a1n
P2
Cb2
b2
a21
a22
...
a2n-k
...
a2n
...
...
...
...
...
...
...
...
...
Pm
Cbm
bm
am1
am2
...
amn-k
...
amn
Z0
Z1
Z2
...
Zn-k
...
Zn
Sujeto a:
Minimizar
Sujeto a:
FASE I
Minimizar
Sujeto a:
Minimizar
Sujeto a:
V.B.
X1
X2
S1
S2
R1
R2
Solucin
-1
-1
R1
-1
36
R2
-1
60
FASE II.
Minimizar
Degeneracin.
Soluciones ptimas mltiples.
Soluciones ptimas no acotadas.
Soluciones factibles no existentes.
1. DEGENERACION.
Un empate al elegir la variable que sale se rompe arbitrariamente. El problema
ocurre en la siguiente iteracin donde los valores de una o ms variables bsicas
llegan a ser cero, en cuyo caso se dice que la solucin es degenerada. En este
punto no existe la seguridad de que el valor de la funcin objetivo mejorar, ya que
la nueva solucin ptima puede permanecer degenerada de ser as, es posible
que las iteraciones del simplex entren en un circuito que repetir las misma(as)
sucesin de iteraciones sin alcanzar nunca la ptima.
El problema se conoce como ciclaje y afortunadamente raras veces se presenta
en la prctica. En una situacin de degeneracin es esencial llevar las iteraciones
del mtodo simplex hasta que se satisfaga completamente la condicin de
optimidad.
Ejercicio a resolver:
Minimizar
Z =x1 + x 2
Sujeto a
x1 + x2 3
2 x 1 + x 2 18
x2 6
x1 , x2 0
Por ltimo nos sern visibles todas las iteraciones que se calcularon para llegar
a una solucin ptima, siendo la ltima iteracin aquella que contiene los
resultados finales.
Solucin ptima:
Z =9 x1 =3 x 2=6 S 2=6
S 1=0 S3=0
2.6 CONCLUSIN
El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la
solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando
ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice
cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al
anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las
aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de
vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. El mtodo
Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su
valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de
la cual f aumenta. Deber tenerse en cuenta que este mtodo slo trabaja para
restricciones que tengan un tipo de desigualdad y coeficientes independientes
mayores o iguales a 0, y habr que estandarizar las mismas para el algoritmo. En
caso de que despus de ste proceso, aparezcan (o no varen) restricciones del
tipo o = habr que emplear otros mtodos, siendo el ms comn el mtodo
de las Dos Fases.
2.7 BIBLIOGRAFA
Mtodo de las dos fases. (s.f.). (Consultado el 1 de Marzo). (En lnea) En:
http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1
/U2D.html
Mtodo simplex. PHPSimplex. (s.f.). (Consultado el 1 de Marzo). (En
lnea)En: http://www.phpsimplex.com/ejemplo_metodo_simplex.htm