Escolar Documentos
Profissional Documentos
Cultura Documentos
UNIDAD II
EL MTODO SIMPLEX
Profesor (a): Galindo Carren Samuel Alumnos:
Jorge Juan Zamora vila Luis Antonio Silva Moreno Christian Lenin Hernndez Calvillo
Grupo: Industrial I
TEMAS
2.1 Teora del mtodo Simplex. 2.2 Forma tabular del mtodo Simplex. 2.3 El mtodo de las dos fases. 2.4 Casos especiales. 2.5 Uso de software.
INTRODUCCIN
El Mtodo Simplex es un mtodo analtico de solucin de problemas de programacin lineal capaz de resolver modelos ms complejos que los resueltos mediante el mtodo grfico sin restriccin en el nmero de variables. 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. (Vase mtodo Grfico) 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.
El mtodo del simplex Partiendo del valor de la funcin objetivo en un vrtice se utiliza, sobre todo, cualquiera, el mtodo consiste en buscar sucesivamente otro para resolver problemas vrtice que mejore al anterior. La bsqueda se hace siempre a de programacin lineal travs de los lados del polgono (o de las aristas del poliedro, en los que intervienen si el nmero de variables es mayor). Cmo el nmero de tres o ms variables. vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. El lgebra matricial y el proceso de eliminacin El mtodo del simplex se basa en la siguiente propiedad: si la de Gauss-Jordan para funcin objetivo, f, no toma su valor mximo en el vrtice A, resolver un sistema de entonces hay una arista que parte de A, a lo largo de la ecuaciones lineales cual f aumenta. constituyen la base del mtodo simplex.
El mtodo simplex para solucin de problemas de programacin lineales 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 del 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. El mtodo del simplex fue creado en 1947 por el matemtico George dantzig El mtodo del simplex se utiliza, sobre todo, para resolver problemas de programacin lineal en los que intervienen tres o ms variables. El lgebra matricial y el proceso de eliminacin de Gauss-Jordn para resolver un sistema de ecuaciones lineales constituyen la base del mtodo simplex. Con miras a conocer la metodologa que se aplica en el Mtodo SIMPLEX, vamos a resolver el siguiente problema: Maximizar Z= f(x,y)= 3x + 2y sujeto a: 2x + y 182x + 3y 423x + y 24x0 , y 0Se consideran las siguientes fases:1. Convertir las desigualdades en igualdades Se introduce una variable de holgura por cada una de las restricciones, para convertirlas en igualdades, resultando el
sistema de ecuaciones lineales:2x + y + h = 18 2x + 3y + s = 42 3x +y + d = 242. Igualar la funcin objetivo a cero- 3x - 2y + Z = 03. Escribir la tabla inicial simplex En las columnas aparecern todas las variables del problema y, en las filas, los coeficientes delas igualdades obtenidas, una fila para cada restriccin y la ltima fila con los coeficientes de la funcin objetivo: Tabla I . Iteracin n 1 Base Variable de decisin Variable de holgura Valores solucin y h s dh 2 1 1 0 0 18 s 2 3 0 1 0 42 d 3 1 0 0 1 24 Z 3 2 0 0 0 04. Encontrar la variable de decisin que entra en la base y la variable de holgura que sale de lavase Para escoger la variable de decisin que entra en la base, nos fijamos en la ltima fila, la de los coeficientes de la funcin objetivo y escogemos la variable con el coeficiente negativo mayor (en valor absoluto). En nuestro caso, la variable x de coeficiente - 3. Si existiesen dos o masco eficientes iguales que cumplan la condicin anterior, entonces se elige uno 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 (En color azulado)
Si alguna de las variables artificiales tiene un valor distinto a cero, el problema original es infectable. FASE II. Utilizando la solucin bsica factible final de la FASE I, se resuelve el problema original, esto es, se resuelve para la funcin objetivo del problema original; si se desea, se pueden eliminar las columnas artificiales. Ntese que primeramente debe actualizarse correctamente el rengln cero para el conjunto de variables bsicas que defini la FASE I. Con la tabla en forma correcta se procede a optimizar de forma habitual siguiendo el algoritmo Simplex.
embargo, cuando suceda esto una o ms veces delas variables bsicas, ser necesariamente igual a cero en la siguiente iteracin. En el mtodo simplex, la presencia de una variable bsica igual a cero, no requiere ninguna accin especial;e n t o d o c a s o , e s n e c e s a r i o n o d e s c u i d a r l a s c o n d i c i o n e s de degeneracin. En trminosg e o m t r i c o s , l a d e g e n e r a c i n o curre cuando un vrtice est definido por demasiadas restricciones. CASO DE SOLUCIN INFACTIBLE En un modelo de Programacin Lineal, cuando las restricciones no se pueden satisfacer en f o r m a s i m u l t n e a , s e d i c e q u e e s t e n o t i e n e s o l u c i n f a c t i b l e . E s t a s i t u a c i n n u n c a p u e d e ocurrir si todas las restricciones son del tipo MENOR O IGUAL ( ), esto, suponiendo valores positivos en el segundo miembro, ya que las variables de h o l g u r a p r o d u c e n s i e m p r e u n a solucin factible. Sin embargo, cuando empleamos los otros tipos de restricciones, recurrimos al uso de variables artificiales, que por su mismo diseo no ofrecen una solucin factible al modelo original. Aunque se hacen provisiones (a travs del uso de penalizaciones) para hacer que estas variables artificiales sean cero en el nivel ptimo, esto slo puede ocurrir si el modelo tiene una espacio factible. Si no lo tiene, cuando menos una variable artificial ser positiva en la iteracin ptima. Desde el punto de vista prctico, un espacio infectable, apunta a la posibilidad de que el modelo no se haya formulado correctamente, en virtud de que las restricciones estn en conflicto. Tambin es posible que las restricciones no estn destinadas a cumplirse en forma simultnea. En este caso, quizs se necesite una estructura del modelo totalmente diferente que no admita todas las restricciones al mismo tiempo CASO DE NO SOLUCIN En algunos modelos de Programacin Lineal, los valores de las variables, se pueden aumentar en forma indefinida sin violar ninguna de las restricciones, lo que significa que el espacio es sin solucin cuando menos en una direccin. Como resultado, el valor de la funcin objetivo puede crecer (Maximizacin) o decrecer (Minimizacin) en forma indefinida. En este caso, decimos que el espacio en el cual se espera sea resuelto el modelo, y el valor ptimo de la funcin objetivo no tiene solucin. La falta de explicacin de un modelo puede sealar solo una cosa, que este se encuentra mal construido. Evidentemente resulta irracional hacer que un modelo produzca una ganancia infinita. Las irregularidades ms probables en este modelo son: 1. No se toman en cuenta una o ms restricciones redundantes 2. No se determinan adecuadamente los parmetros (constantes) de alguna restriccin.
sistemas, a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organizacin. La Investigacin de Operaciones ha desarrollado modelos especficos para solucionar problemas generales clasificados como de inventario, lneas de espera, reemplazo, mantenimiento, asignacin de recursos.