Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simplex y Transporte
Simplex y Transporte
METODO SIMPLEX.
El algoritmo smplex fue descubierto por el matemtico norteamericano George Bernard Dantzig en 1947, es una tcnica para dar soluciones numricas a problema de programacin lineal. Un problema en su forma estndar se puede representar como:
X, Xs 0. donde X son las variables de decisin de la forma estndar, Xs son las variables de holgura o de exceso, c contiene los coeficientes de la funcin objetivo y Z es la variable a ser maximizada o minimizada. El sistema es no determinado, debido a que el nmero de variables excede el nmero de ecuaciones. La diferencia entre el nmero de variables y el nmero de ecuaciones nos da los grados de libertad asociados con el problema. Cualquier solucin, ptima o no, incluir un nmero de variables de valor arbitrario. Esta forma permite encontrar la solucin factible bsica inicial haciendo Xsi = bj
INVESTIGACION DE OPERACIONES:
METODO SIMPLEX.
El mtodo Simplex es un algoritmo iterativo que permite mejorar la solucin con cada paso sucesivo. El algoritmo termina cuando no se puede seguir mejorando ms la solucin. Se parte de una solucin bsica inicial para la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore la anterior solucin. La bsqueda se hace siempre a travs de los lados del polgono de soluciones factibles o de las aristas de la regin solucin, si el nmero de variables es mayor. Cmo el nmero de vrtices y de lados o aristas es finito, siempre se podr encontrar la solucin. El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo Z, no toma su valor mximo en el vrtice A, entonces hay una arista o lado que parte de A, a lo largo de la cual Z aumenta.
INVESTIGACION DE OPERACIONES:
INVESTIGACION DE OPERACIONES:
VARIABLES NO BSICAS:
Son las n -m variables que hemos hecho igual a cero.
VARIABLES BSICAS:
Son m variables restantes diferentes de cero. La solucin bsica ser factible si todos los valores de las variables bsicas son no negativos. Si alguna de las variables es negativa entonces la solucin ser infactible.
INVESTIGACION DE OPERACIONES: CONDICIONES PARA QUE UNA VARIABLE SEA BSICA O NO BSICA: CONDICIN DE OPTIMIDAD: La variable que entra o pasa a ser bsica es aquella no bsica con el coeficiente ms negativo si el problema es de maximizacin, o ms positivo si es de minimizacin. Si todos los coeficientes de las variables no bsicas en Z son no negativos, la solucin es ptima en maximizacin y si son no positivos entonces la solucin es ptima en minimizacin. Otro mtodo utiliza para evaluacin la fila (Cj Zj) y elige para entrar la variable que de el mayor mejoramiento por unidad a la funcin objetivo. CONDICIN DE FACTIBILIDAD: La variable que sale es la variable bsica, con la menor razn(denominador positivo) en la direccin de la variable que entra. Tanto en la condicin de optimidad como de factibilidad, los empates se rompen de forma arbitraria.
INVESTIGACION DE OPERACIONES:
TABLA SIMPLEX.
Elemento Pivote
Variable que Entra
Variables Bsicas X1 Z S1 . . . Sm
X2
...
Xn
Solucin 0 b1 . . . bm
Razones
Nueva ecuacin pivote: = ecuacin pivote / elemento pivote Las dems ecuaciones incluyendo Z:
INVESTIGACION DE OPERACIONES:
TCNICA M:
Si todas las restricciones no son del tipo , es decir hay restricciones de = y , entonces no es posible obtener una solucin bsica inicial con las variables de holgura, en este caso se utilizan otras variables llamadas variables artificiales (Rm) que se agregan a las restricciones que son del tipo o de = con coeficiente 1, en la funcin objetivo se penalizan agregndolas con coeficiente muy alto si es minimizacin o muy bajo si es maximizacin (una M o -M). Las iteraciones se hacen igual que el simplex normal y las condiciones de optimidad y factibilidad son las mismas. Si en la solucin ptima hay variables artificiales, se dice que el modelo es infactible. Otra tcnica se denomina de Dos Fases: Fase I: Minimizar las variables artificiales sujetas a las restricciones originales. Si el valor mnimo es cero el problema tiene solucin y se pasa a la fase II. Si el valor mnimo es positivo el modelo es infactible. Fase II: Se utiliza la solucin bsica ptima de la fase I como solucin inicial para el problema original.
9 8 7 6 5
Y
Z R1 R2 R3 R4 R5 R6
Restriccin Redundante
4 3 2 1 0 -2 0
Fila 3
Funcin Objetivo
6
X
10
12
14
10
Funcin Objetivo
8
Z R1 R2
R3 R4 R5 R6 R7 R8
.
Fila 3
-2 -4 -2 0 2
X
10
3,5
Z R1 R2 R3 R4 R5 R6
2,5
R7 R8
R e g o n S o lu c i n o C o n ju n to d e p u n to s fa c tib le s
R9 R1 0 R1 1 R1 2 R1 3 V1 V2 H1 H2
1,5
0,5
0 0
F ila 3
3
X
INVESTIGACION DE OPERACIONES:
INVESTIGACION DE OPERACIONES:
C1
C2
Cj
Cn
a12 a22
a1j a2j
a1m a2m
. .
. .
. .
. .
. .
. .
Variables Duales
am1
am2
amj
amn
bm
Ym
Dual Funcin Objetivo Estndar Funcin Objetivo del Primal Maximizacin Minimizacin Minimizacin Maximizacin Restricciones Variables Irrestrictas Irrestrictas
Cambios en el lado derecho de las restricciones (recursos bj): Interesa determinar si las actuales variables bsicas se mantienen luego de aumentar o disminuir uno o ms valores en el lado derecho de las restricciones del modelo. Hay que calcular nuevamente la columna de recursos de la tabla simplex, si todos son positivos, la solucin actual sigue siendo ptima pero cambiando los valores de las variables bsicas y la funcin objetivo. Si algn valor se hace negativo se pierde la factibilidad, la cual se recupera utilizando el mtodo simplex dual. Inclusin de una nueva restriccin: Hay que determinar si la actual solucin bsica ptima se mantiene despus de incorporar una nueva restriccin al problema. Se evalu la solucin actual para verificar si satisface la nueva restriccin, en caso afirmativo, la actual solucin bsica tambin lo ser aun cuando se incluya la nueva restriccin (es una restriccin redundante). En caso de no cumplirse la restriccin, se incorpora la nueva restriccin a la tabla final Simplex y se procede a las iteraciones necesarias para encontrar la nueva solucin bsica ptima (se utiliza el mtodo simplex dual).
INVESTIGACION DE OPERACIONES: MODELO DE TRANSPORTE: El modelo de transporte es un tipo particular o especial de los modelos de programacin lineal, busca determinar un plan de transporte de una mercanca de varias fuentes a varios destinos. Los componentes del modelo son: 1.- Nivel o cantidad de oferta en cada fuente. 2.- Nivel o cantidad de demanda en cada destino. 3.- El costo de transporte unitario de la mercanca desde las fuentes cada destino. Al haber solo una mercanca, un destino puede recibir su demanda de una o ms fuentes. El objetivo del modelo es el de determinar la cantidad que se enviar de cada fuente a cada destino, tal que se minimice el costo del transporte total. El modelo parte de la siguiente suposicin bsica: El costo del transporte en una ruta o direccin es directamente proporcional al numero de unidades transportadas. El tipo de unidad de transporte variar dependiendo del tipo de mercanca que se transporte.
C ij
i=1 j=1
X ij
X ij
j=1
m
a i i = 1, 2, ... , m.
bj j = 1, 2, ... , n.
X ij
i=1
a2 . . . a m . . . Cmn:Xmn
b2
bn
Ofertas O1
O2
O3
. . .
Fuente m
. . .
Cm1 Xm1 D1
. . .
Cm2 Xm2 D2
. . .
....... .......
. . .
Cmn Xmn Dn
. . .
Om
Demandas
D = O
Destino 1
C11
Destino 2
C12
Destino n
C1n
Destino Ficticio
0
Ofertas O1
Fuente 1
X11
C21
X12
C22
X1n
C2n 0
Fuente 2
X21
C31
X22
C32
X2n
C3n 0
O2
Fuente 3
X31
X32
X3n
O3
. . .
Fuente m
. . .
Cm1
. . .
Cm2
. . .
....... .......
. . .
Cmn 0
. . .
Om
Xm1 D1
Xm2 D2
Xmn Dn
Demandas
O (D1+..+Dn)
D = O