INVESTIGACIN DE OPERACIONES

NARVEZ RANGEL ERWIN ARTURO SALDVAR CORONA ERIC ALN TOMAS CRUZ EDGAR

OCTUBRE 2011

Es un mtodo genrico de solucin de problemas lineales, desarrollado por George Dantzig en 1947. Este mtodo llega a la solucin ptima por medio de iteraciones o pasos sucesivos, utilizando los conceptos bsicos del lgebra matricial, para determinar la interseccin de dos o mas lneas. Comienza con alguna solucin factible, y sucesivamente obtiene soluciones en las intersecciones que ofrecen mejores funciones de la funcin objetivo. Finalmente, este mtodo proporciona un indicador que determina el punto en el cual se logra la solucin ptima.

Ejemplo 1: Maximizar Z = 3x1 + 2x2 Sujeto a:

1.

Convertir las desigualdades en igualdades: Se introduce una variable de holgura por cada una de las restricciones, este caso s1, s2, s3 para convertirlas en igualdades y formar el sistema de ecuaciones estndar.

Se obtiene la siguiente forma estndar de ecuaciones:

2.

Igualar la funcin objetivo a cero y despus agregar la variables de holgura del sistema anterior:

Z - 3 x1 - 2 x2 = 0

Para este caso en particular la funcin objetivo ocupa la ltima fila del tablero, pero de preferencia siempre se deber de colocar como la primer fila. Cuando minimizamos se toma el valor (+) positivo de la funcin objetivo para convertirlo en negativo y cuando maximizamos tomamos el valor (+) negativo de la funcin objetivo para convertirlo en positivo.

Escribir el tablero inicial simplex: En las columnas aparecern todas las variables del problema y, en las filas, los coeficientes de las desigualdades obtenidas, una fila para cada restriccin y la ultima fila con los coeficientes de la funcin objetivo:
3.

TABLERO INICIAL
BASE VARIABLE DE DECISIN VARIABLE DE HOLGURA SOLUCIN

X1

X2

S1

S2

S3

S1
S2 S3 Z

2
2 3 -3

1
3 1 -2

1
0 0 0

0
1 0 0

0
0 1 0

18
42 24 0

4.

Encontrar la variable de decisin que entra en la base y la variable de holgura que sale de la base. Para escoger la variable de decisin que entra en la base, se determina el mayor valor del coeficiente negativo de la funcin objetivo.

Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces se elige cualquiera de ellos.
Si en la ltima fila no existiese ningn coeficiente negativo, significa que se ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo del simplex, es que en la ltima fila no haya elementos negativos.

 La columna de la variable que entra en la base se llama

columna pivote.

Para encontrar la variable de holgura que tiene que salir

de la base, se divide cada trmino de la ltima columna por el trmino correspondiente de la columna pivote, siempre que estos ltimos sean mayores que cero.

Si hubiese algn elemento menor o igual que cero no se

hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir. anterior d lugar al menor cociente positivo, indica la fila de la variable de holgura que sale de la base, S3. Esta fila se llama fila pivote.

El trmino de la columna pivote que en la divisin

ITERACIN 1
BASE VARIABLE DE DECISIN VARIABLE DE HOLGURA
SOLUCIN OPERACIN

X1 S1 S2 S3 Z

X2

S1

S2

S3

2 2 3 -3

1 3 1 -2

1 0 0 0

0 1 0 0

0 0 1 0

18 42 24 0

18/2=9 42/2=21 24/3=8

X1; Variable de decisin, columna pivote. S3; Variable de holgura que sale, fila pivote.

Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables correspondientes pueden salir directamente de la base. En la interseccin de la fila pivote y columna pivote tenemos el elemento pivote operacional, este indica que la variable de decisin X1 entra y la variable de holgura S3 sale.

5.

Encontrar los coeficientes para el nuevo tablero de simplex.

Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos los coeficientes de la fila por el pivote operacional, ya que este se debe convertir en 1.

A continuacin mediante la reduccin gaussiana hacemos ceros los restantes trminos de la columna pivote, con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z.

RESULTADO ITERACIN 1
BASE
VARIABLE DE DECISIN VARIABLE DE HOLGURA

SOLUCIN

OPERACIN

X1 S1 0

X2 1/3

S1 1

S2 0

S3 -2/3 2 f(S1) 2 f(X1)

S2 S3
Z

0 1
0

7/3 1/3
-1

0 0
0

1 0
0

-2/3 -1/3
1

26 8
24

f(S2) 2 f(X1) (1/3) X1

f(Z) +3 f(X1)

Como en los elementos de la ltima fila hay un numero negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso.

 La variable que entra en la base es x2, por ser la columna

pivote que corresponde al coeficiente -1.

Para calcular la variable que sale o la fila pivote, dividimos

los trminos de la columna solucin entre los trminos de la nueva columna pivote: y como el menor cociente positivo es 6, tenemos que la fila pivote y la variable de holgura que sale es S1.
El elemento pivote, que ahora hay que hacer 1, es 1/3, y se

opera de forma anloga a la anterior iteracin.

ITERACIN 2
BASE
VARIABLE DE DECISIN VARIABLE DE HOLGURA

SOLUCIN

OPERACIN

X1 S1 0

X2 1/3

S1 1

S2 0

S3 -2/3 2 2/(1/3)=6

S2 S3
Z

0 1
0

7/3 1/3
-1

0 0
0

1 0
0

-2/3 -1/3
1

26 8
24

26/(7/3)=78/7 8/(1/3)=24

X2; Variable de decisin, columna pivote. S1; Variable de holgura que sale, fila pivote.

RESULTADO ITERACIN 2
BASE
VARIABLE DE DECISIN VARIABLE DE HOLGURA

SOLUCIN

OPERACIN

X1 S1 0

X2 1

S1 3

S2 0

S3 -2 6 3X2

S2 S3
Z

0 1
0

0 0
0

-7 -1
3

0 0
0

4 1
-1

12 6
30

f(S2) (7/3) f(X2) f(X1) (1/3) f(X2)

f(Z) + f(X2)

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso.

La variable que entra en la base es S3, por ser la variable que corresponde al coeficiente -1.
Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: y como el menor cociente positivo es 3, tenemos que la variable de holgura que sale es S2. (6/(-2)) =-3 , (12/4) =3, y (6/1) =6

El elemento pivote, que ahora hay que hacer 1, es 4.

ITERACIN 3
BASE
VARIABLE DE DECISIN VARIABLE DE HOLGURA

SOLUCIN

OPERACIN

X1 S1 0

X2 1

S1 3

S2 0

S3 -2 6 No se toma (-)

S2 S3
Z

0 1
0

0 0
0

-7 -1
3

0 0
0

4 1
-1

12 6
30

(12/4)=3 (6/1)=6

S3; Variable de decisin, columna pivote. S2; Variable de holgura que sale, fila pivote.

RESULTADO ITERACIN 3
BASE VARIABLE DE DECISIN VARIABLE DE HOLGURA SOLUCIN OPERACIN

X1 S1 S2 S3 Z 0 0 1 0

X2 1 0 0 0

S1 3 -7 -1 3

S2 0 0 0 0

S3 -2 4 1 -1 6 12 6 30 3X2 f(S2) (7/3) f(X2) f(X1) (1/3) f(X2) f(Z) + f(X2)

TABLERO FINAL
BASE
VARIABLE DE DECISIN VARIABLE DE HOLGURA

SOLUCIN

X1 S1 0

X2 1

S1 -1/2

S2 0

S3 0 12

S2 S3
Z

0 1
0

0 0
0

-7/4 -3/4
5/4

0 0
0

0 1
0

3 3
33

Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos llegado a la solucin ptima. Los solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro caso: 33.

Ejemplo 1: Se dispone de 120 refrescos de cola con cafena y de 180 refrescos de cola sin cafena. Los refrescos se venden en paquetes de dos tipos. Los paquetes de tipo A contienen tres refrescos con cafena y tres sin cafena, y los de tipo B contienen dos con cafena y cuatro sin cafena. El vendedor gana 6 euros por cada paquete que venda de tipo A y 5 euros por cada uno que vende de tipo B. Utilizando el TORA solucione el siguiente problema mediante el Mtodo Simplex, para determinar cuntos paquetes de cada tipo debe vender para maximizar los beneficios y calcular ste.

Variables: A = Cantidad de paquetes A a vender. B = Cantidad de paquetes B a vender.

Funcin Objetivo : Z = 6A + 5B (utilidad a maximizar) Se recomienda elaborar una tabla donde se refleje toda la informacin disponible para visualizar mejor las restricciones del problema:

Sujeto a: Restriccin 1: 3A + 2B 120 (con cafena) Restriccin 2: 3A + 4B 180 (sin cafena)

1.

Ingrese al programa TORA, luego Lineal Programing e ingrese la siguiente informacin:

2.

Ingrese los valores del modelo modificado en la tabla de datos como sigue:

3.

Luego de guardar los datos, Hacemos clic en el botn SolveModify / Solve Problem / Algebraic / Iterations / Bounded simplex.

4.

Sin hacer algn cambio, hacer clic en el botn Go to Output Screen. El cual le mostrar el tablero inicial:

5.

Haga luego clic en Next Iteration en forma contnua hasta llegar a la solucin ptima.

SCHRAGE, L., Implicit Representation of Generalized Variable Upper Bounds in Linear Programming, Mathematical Programming, 14 (1), pp 11-20.
BAZARAA, Mokhtar S., Lineal Programming and Network Flows, 2 Ed., Mexico, Limusa, 2004.