[1]

Manipulacin del problema

Los problemas de PPL se pueden manipular de diversas maneras con la finalidad de resolverlos, las
manipulaciones ms importantes son:

Lado derecho negativo

1 2 1

Al multiplicar por -1 se cambia el sentido de la desigualdad:

1 + 2 1

Ya que el lado derecho es no-negativo, un problema con restricciones de este tipo se puede
resolver empleando variables artificiales.

Cambio en la direccin de la funcin objetivo Maximizar a minimizar

Un problema de P.L en la forma de maximizacin tiene la siguiente forma:

Maximizar:

=
=1

Se puede cambiar a uno equivalente de minimizacin multiplicando por -1 la funcin objetivo para
pasarlo a la forma de minimizacin:

Minimizar

= ( )
=1

Solucin inicial

El mtodo simplex inicia con una solucin bsica factible, mediante el criterio de seleccin de la
variable que sale, el algoritmo se mueve a una solucin vecina mejorada y el procedimiento
contina hasta que encuentra el ptimo o bien, concluye que no existe acotamiento de la funcin
objetivo. Sin embargo, no siempre es fcil encontrar dicha solucin inicial, tome en cuenta el
siguiente ejemplo.

1 + 22 4

31 + 42 5

21 + 2 6

Introduciendo las variables de holgura y exceso se tiene:

1
 [2]

x1 2 x2 e1 4

3x1 4 x2 e2 5

2 x1 + x2 s1 6

La matriz de restricciones no contiene ninguna submatriz identidad factible, aunque es posible

introducir variables artificiales para obtener una solucin bsica factible inicial, en el ejemplo, slo
la variable de holgura 1 tiene coeficiente 1, por lo que slo sera necesario agregar dos variables
artificiales:

x1 2 x2 e1 a1 4

3x1 4 x2 e2 a2 5

2 x1 + x2 s1 6

En este sistema, se tiene una solucin inicial dada por a1 4 , a2 5 y s1 6 , a la larga ser
necesario que tambin las variables artificiales sean cero. Para esto se puede aplicar alguno de los
mtodos siguientes: el de la Gran M y el de Las Dos Fases.

El mtodo de las Dos Fases.

Consiste en resolver el subproblema de la suma de las variables artificiales 0 = 1 + 2 + ,

sujeta a las restricciones + = . Si el problema original tiene una solucin factible,
entonces el ptimo del subproblema es cero, con todas las variables artificiales igual a cero (fuera
de la base) y quedando las variables legtimas las cuales formarn una base con la cual el mtodo
simplex puede aplicarse ahora s, con el problema original.

Ejemplo (Bazaraa. 1999):

Minimizar = 1 22

S.a:

1 + 2 2

1 + 2 1

2
 [3]

2 3

1 , 2 0

Agregando variables de holgura y exceso el problema queda:

Minimizar = 1 22

Sujeta a:

x1 x2 e1 2

x1 x2 e2 1

x2 s1 3

1 , 2 0

El problema no tiene una solucin bsica factible para iniciar el mtodo simplex, agregaremos las
respectivas variables artificiales:

Minimizar + 1 22 = 0

S.a:

Sujeta a:

x1 x2 e1 a1 2

x1 x2 e2 a2 1

x2 s1 3

1 , 2 0

Fase I

Y se descarga la informacin en una tabla simplex de la siguiente forma:

3
 [4]

0 1 2 e1 e2 s1 a1 a2 b

0 -1 0 0 0 0 0 1 1 0

a1 0 1 1 -1 0 0 1 0 2

a2 0 -1 1 0 -1 0 0 1 1

s1 0 0 1 0 0 1 0 0 3

Ahora se requiere que los costos reducidos de las variables artificiales sean cero, es decir, se
resolver el subproblema x0 a1 a2 , primero se restan los respectivos renglones a1 y a2 al
rengln cero para adems obtener el valor de la funcin objetivo:

0 1 2 e1 e2 s1 a1 a2 b

0 -1 0 -2 1 1 0 0 0 -3

a1 0 1 1 -1 0 0 1 0 2

a2 0 -1 1 0 -1 0 0 1 1

s1 0 0 1 0 0 1 0 0 3

En este punto se aplica el mtodo simplex a este subproblema, ya que la suma de las variables
artificiales debe ser cero, entonces el criterio de seleccin ser el de minimizacin:

Se aplica el mtodo simplex de forma normal, 2 entra a la base y sale a2 :

Iteracin 1

0 1 2 e1 e2 s1 a1 a2 b

4
 [5]

0 1 -2 0 1 -1 0 0 2 -1

a1 0 2 0 -1 1 0 1 -1 1

2 0 -1 1 0 -1 0 0 1 1

s1 0 1 0 0 1 1 0 -1 2

Ahora 1 entra a la base y sale a1 :

Iteracin 2

0 1 2 e1 e2 s1 a1 a2 b

0 -1 0 0 0 0 0 1 1 0

1 0 1 0 -1/2 1/2 0 1/2 -1/2 1/2

2 0 0 1 -1/2 -1/2 0 1/2 1/2 3/2

s1 0 0 0 1/2 1/2 1 -1/2 -1/2 3/2

La primera fase termina cuando ya no existen candidatos a entrar a la base. En el ejemplo, las
variables artificiales ya no son candidatos a entrar a la base (porqu?).

Ahora se tiene leer una solucin bsica factible inicial, la Fase II consiste en tomar la informacin
ignorando las variables artificiales y se procede a resolver el problema original iniciando con la
siguiente tabla:

Fase II

1 2 e1 e2 s1 b

-1 1 -2 0 0 0 0

5
 [6]

1 0 1 0 -1/2 1/2 0 1/2

2 0 0 1 -1/2 -1/2 0 3/2

s1 0 0 0 1/2 1/2 1 3/2

Primero debern hacerse ceros los de 1 y 2 restando el rengln cero a los renglones 1 y 2, para
el ejemplo queda:

1 2 e1 e2 s1 b

-1 0 0 -1/2 -3/2 0 5/2

1 0 1 0 -1/2 1/2 0 1/2

2 0 0 1 -1/2 -1/2 0 3/2

s1 0 0 0 1/2 1/2 1 3/2

A partir de este punto se retoma el mtodo simplex de manera normal (Terminar ejemplo).

Casos

A partir de la tabla final de la Fase I se debe concluir alguna de las siguientes opciones:

Caso A: Si al final de la 1 fase se cumple que al menos una variable ai 0 entonces el problema
original no tiene soluciones factibles.

Caso B1: Las variables artificiales estn fuera de la base y slo quedan variables legtimas,
entonces el problema tiene solucin y se debe continuar resolviendo el problema original. (Ver
ejemplo).

Caso B2: Hay al menos una variable artificial en nivel cero, en este caso, se han desarrollado dos
procedimientos: el primero consiste en pasar directamente a la fase II, o bien en el segundo
mtodo primero se eliminan las variables artificiales y despus contina con el mtodo simplex de
forma acostumbrada.

Mtodo de la gran M

Incorporar variables artificiales en un nivel positivo, implica que se parte de una solucin no
factible, adems, al resolver el sistema con el mtodo de las Fases no se toman en cuenta los
coeficientes del sistema original, lo que provoca que al final de la Fase I se empiece a resolver el

6
 [7]

problema original desde una solucin que puede no ser precisamente la mejor (en un punto
extremo muy alejado del ptimo). El mtodo de la Gran M (tambin conocido como el mtodo de
Penalizacin), simplemente asigna un costo infinitamente grande (M) a cada variable artificial, de
tal manera que dichas variables se hacen poco atractivas desde el punto de vista de la funcin
objetivo.

Ejemplo

Minimizar = 1 22

S.a:

1 + 2 2

1 + 2 1

2 3

1 , 2 0

Agregando variables artificiales y penalizando (el signo para la penalizacin depender del
problema):

Minimizar Z x1 x2 Ma1 Ma2 0

S.a:

Sujeta a:

x1 x2 e1 a1 2

x1 x2 e2 a2 1

x2 s1 3

1 , 2 0

Se descarga la informacin de la siguiente forma:

Z 1 2 e1 e2 s1 a1 a2 b

-1 1 -2 0 0 0 M M 0

7
 [8]

a1 0 1 1 -1 0 0 1 0 2

a2 0 -1 1 0 -1 0 0 1 1

s1 0 0 1 0 0 1 0 0 3

Se multiplican los renglones 1 y 2 por M sumndolos al rengln cero para igualar los costos
reducidos de las variables artificiales a cero:

Z 1 2 e1 e2 s1 a1 a2 b

-1 1 -2-2M M M 0 0 0 -3M

a1 0 1 1 -1 0 0 1 0 2

a2 0 -1 1 0 -1 0 0 1 1

s1 0 0 1 0 0 1 0 0 3

Se aplica el mtodo simplex de forma normal, 2 entra a la base y sale a2 :

Z 1 2 e1 e2 s1 a1 a2 b

-1 -1-2M 0 M -2-M 0 0 2+2M 2-M

a1 0 2 0 -1 1 0 1 -1 1

2 0 -1 1 0 -1 0 0 1 1

s1 0 1 0 0 1 1 0 -1 2

Entra 1 a la base y sale a1 :

Z 1 2 e1 e2 s1 a1 a2 b

-1 0 0 -1/2 -3/2 0 +M 3/2+M 5/2

1 0 1 0 -1/2 0 -1/2 1/2

8
 [9]

2 0 0 1 -1/2 -1/2 0 3/2

s1 0 0 0 1 -1/2 -1/2 3/2

Entra e2 a la base y sale 1 :

Z 1 2 e1 e2 s1 a1 a2 b

-1 3 0 -2 0 0 2+M M 4

e2 0 2 0 -1 1 0 1 -1 1

2 0 1 1 -1 0 0 1 0 2

s1 0 -1 0 1 1 -1 0 1

Entra e1 a la base y sale s1 :

Z 1 2 e1 e2 s1 a1 a2 b

-1 0 0 0 0 2 M M 6

e2 0 1 0 0 1 1 0 -1 2

2 0 0 1 0 0 1 0 0 3

e1 0 -1 0 1 0 1 -1 0 1

El algoritmo se detiene ya que no hay mas candidatos a entrar a la base, los costos reducidos M
de las variables artificiales son en este punto positivos y por lo tanto no son atractivos desde el
puto de vista de la funcin objetivo.

Al igual que el mtodo de las dos fases, se tienen casos particulares que deben interpretarse a
partir de la tabla:

A. Se llega a una solucin ptima finita del problema penalizado P(M): en este caso hay dos
posibilidades: 1. Donde para todas las variables artificiales se cumple que ak 0 y por lo
tanto el problema original tiene una solucin ptima dada por las variables legtimas
exclusivamente; 2. Donde al menos una de las variables artificiales ak 0 , en este caso
se concluye simplemente que el problema original no tiene solucin factible.
B. Se llega a una solucin ptima no acotada al resolver el problema penalizado P(M): se
puede tienen dos posibilidades: 1. Al buscar candidatos para salir de la base se encuentra

9
 [10]

con que en la columna todos los coeficientes de actividad yik 0 , y si adems todas la
variables artificiales cumplen con la condicin ak 0 , en este caso se concluye que el
problema original es no acotado; 2. Al buscar candidatos para salir de la base se encuentra
con que en la columna todos los yik 0 , y al menos una variable artificial cumple con
ak 0 , entonces el problema original no tiene soluciones factibles.

Resolver el problema
mediante la tcnica de la
gran M

ptimo finito ptimo no acotado

Todas las ak 0 ,
Al menos una ak 0 ,
entonces el problema
entonces el problema
original tiene solucin
original no tiene
solucin Al menos una ak 0,
y adems todas las
Todas las ak 0 , y adems yik 0 entonces el
problema original no
todas las yik 0 entonces el
tiene soluciones
problema original tiene
factibles
solucin no-acotada

10