P. 1
Ejercicios- Metodo Simplex

Ejercicios- Metodo Simplex

|Views: 2.185|Likes:

More info:

Published by: John Fernandao Salazar Pardo on May 29, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

09/07/2014

pdf

text

original

INVESTIGACIÓN DE OPERACIONES

Universidad Ricardo Palma

1

INVESTIGACIÓN DE OPERACIONES

Universidad Ricardo Palma

2

INVESTIGACIÓN DE OPERACIONES

Universidad Ricardo Palma

El algoritmo SIMPLEX es un procedimiento general para resolver problemas de programación lineal, desarrollado por George Dantzing en el año 1947. La implementación en computadoras personales del método SIMPLEX y sus variantes se han convertido en herramientas tan poderosas que se usan a menudo para resolver problemas de programación lineal de miles de restricciones y miles de variables y , en ocasiones, problemas bastante más grandes. Como hemos visto en el material de trabajo autónomo 2 se trató el tema de solucionar problemas de dos o tres variables, aplicando el método gráfico, así como el análisis de sensibilidad de sus resultados. Ahora, en el material de trabajo autónomo 3 veremos el método de solución del SIMPLEX para solucionar problemas de n variables, tanto para maximizar o minimizar la función objetivo, considerando variables positivas, negativas y no restringidas.

Para los modelos de maximización se esta considerando el desarrollo de ejercicios planteados con variables positivas y variables no restringidas, para el caso de los problemas con variables negativas se esta planteando un ejercicio bajo el enfoque de minimización.
Para los modelos de minimización se esta considerando el desarrollo de ejercicios planteados con variables positivas y variables negativas, para el caso de los problemas con variables no restringidas se esta planteando un ejercicio bajo el enfoque de maximización.

3

el máximo cumplimiento del nivel de servicio. la mayor productividad. etc y se aplican en la industria . 4 . transportes. sistemas financieros. en el sector de servicios públicos. en los sistemas de comercialización.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Los modelos de maximización buscan casi siempre obtener la máxima rentabilidad. sistemas de salud. etc. el máximo cumplimiento de los objetivos.

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 5 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 6 .

La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando variables de holgura. lo cual implica tres condiciones: La primera condición: que los lado derecho de las restricciones sean constantes mayores o iguales a cero. estamos agregando las variables de holgura S1 y S2 a las dos restricciones.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de maximización. Recordemos que el método SIMPLEX se aplica sólo a modelos que tienen restricciones del tipo menor o igual. en nuestro ejemplo. todas las variables son positivas. los lado derecho de las restricciones ya son constantes positivas. Como primer paso debemos aplicar la forma estándar al modelo planteado. 7 . La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero (es decir que sean variables positivas) en nuestro ejemplo. en nuestro ejemplo.

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Ahora bien. y es la variable que ingresa a la base en el siguiente tablero. para nuestro caso corresponde al valor -3 de la columna asociada a la variable X2. debemos seleccionar el coeficiente del Costo Reducido más negativo para obtener nuestra columna PIVOT. Como se está maximizando. implementamos el tablero inicial del simplex con la estructura de su forma estándar. 8 .

y la variable S1 es reemplazada por la variable X2. generalizamos esta operación para toda la fila. Esto significa que en el siguiente tablero debe salir de la base la variable S1 y su lugar debe ser remplazada por la variable X2. para nuestro caso el menor ratio corresponde a la variable S1 que tiene como cociente mínimo 3. El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero. para ello dividimos la fila de la variable S1 entre 2. el menor ratio de cociente mínimo nos determina la fila PIVOT. ya que el elemento de intercepción es 2 y colocamos el resultado en el siguiente tablero en la posición del renglón que le corresponde.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego obtenemos nuestra columna PIVOT asociada a la variable X2. ya que tiene el costo reducido más negativo con el valor -3. La variable X2 es la variable que ingresa a la base en el siguiente tablero. 9 . Posteriormente hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elemento de la columna PIVOT (la división solo se hace para los elementos positivos).

replicamos esta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero. mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable X2 en el siguiente tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Ahora bien. 10 . El resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero. de la siguiente manera: En el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por 3 y luego sumamos el valor -3 de la fila de los coeficientes reducidos en el primer tablero.

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego. 11 . replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero. El resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero. en el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por (– 1) y luego sumamos el valor 1 de la fila de S2 en el primer tablero.

Esto significa que en el tercer tablero debe salir de la base la variable S2 y su lugar debe ser remplazada por la variable X1. El menor ratio de cociente mínimo nos determina la fila PIVOT.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Continuando. Para nuestro caso corresponde al valor -1/2 de la columna asociada a la variable X1. para nuestro caso el menor ratio corresponde a la variable S2 que tiene como cociente mínimo 10/3. como se está maximizando debemos seleccionar el coeficiente del Costo Reducido más negativo del segundo tablero para obtener nuestra columna PIVOT. hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elementos de la columna PIVOT (la división solo se hace para los elementos positivos). y es la variable que ingresa a la base en el tercer tablero. 12 . Luego.

Para ello dividimos la fila de la variable S1 entre 3/2. ya que el elemento de intercepción es 3/2 y colocamos el resultado en el tercer tablero en la posición del renglón que le corresponde. y la variable S2 es reemplazada por la variable X1. el elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero. 13 . generalizamos esta operación para toda la fila.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Ahora bien.

14 . El resultado es “cero” y lo colocamos en la misma posición pero del tercer tablero. replicamos esta operación para toda la fila con el valor del coeficiente reducido correspondiente del segundo tablero. de la siguiente manera: En el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por el valor 1/2 y luego sumamos el valor -1/2 de la fila de los coeficientes reducidos en el segundo tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable X1 en el tercer tablero.

El resultado es “cero” y lo colocamos en la misma posición pero del tercer tablero. 15 . entonces se ha llegado a la solución final. Luego. vemos que en el tercer tablero ya no existen más costos reducidos negativos. Replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del segundo tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego en el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por el valor (– 1/2) y luego sumamos el valor 1/2 de la fila de X2 en el segundo tablero.

el cual está compuesto por las variables básicas (son aquellas variables que están en la columna base) las cuales obtienen su resultado de la columna solución y las variables no básicas (aquellas variables que no aparecen en la columna base) asumen valor cero por default. El valor de la función objetivo se obtiene del primer valor de la columna solución. 16 .INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Finalmente el tercer tablero nos da el tablero óptimo del cual obtenemos el vector solución.

y La función objetivo asume un valor óptimo de 32/3 17 . X2 asume un valor de 4/3 .INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma La solución final se da en función a las variables de decisión: X1 asume un valor de 10/3 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 18 .

como por ejemplo la condición de disponibilidad de horas. entre otros casos. donde pueden existir horas sobrantes ó requerirse horas extras.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Los modelos de maximización con variables no restringidas. etc. sistemas financieros. transportes. donde puede existir capital sobrante ó requerirse capital adicional. sistemas de salud. 19 . la condición de disponibilidad de capital. buscan modelar condiciones donde las variables puedan tomar valores positivos ó negativos. A continuación mostraremos una formulación asociado a un modelo matemático donde se ilustra el uso de variables no restringidas. en el sector de servicios públicos. donde el resultado de la función objetivo es casi siempre obtener la máxima rentabilidad y se aplican en la industria . en los sistemas de comercialización.

S2 y S3 a las tres restricciones. también la variable Y debe ser igual a Y1-Y2. La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero (es decir que sean variables positivas) en nuestro ejemplo la variable X y Y esta definida como no restringidas. Como primer paso debemos aplicar la forma estándar al modelo planteado. Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones del tipo menor o igual. La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando variables de holgura. lo cual implica tres condiciones: La primera condición : que los lado derecho de las restricciones sean constantes mayores o iguales a cero. en nuestro ejemplo los lado derecho de las restricciones ya son constantes positivas.INVESTIGACIÓN DE OPERACIONAL OPERACIONES Universidad Ricardo Palma Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de maximización con variables no restringidas. en nuestro ejemplo estamos agregando las variables de holgura S1 . X debe ser igual a X1 – X2 . Encontrarán ocasiones en donde el modelo requiere hacer uso de variables que puedan asumir valores positivos o negativos y será necesario hacer un reemplazo de variables. y luego hacemos el reemplazo en todo el modelo en su forma estándar. por lo tanto debemos realizar un cambio de variable. 20 .

para nuestro caso corresponde al valor -8 de la columna asociada a la variable X2.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Como primer paso implementamos el tablero inicial del simplex con la estructura de su forma estándar. Como se esta maximizando debemos seleccionar el coeficiente del Costo Reducido más negativo para obtener nuestra columna PIVOT. 21 . y es la variable que ingresa a la base en el segundo tablero.

generalizamos esta operación para toda la fila. 22 . El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero. para nuestro caso el menor ratio corresponde a la variable S3 que tiene como cociente mínimo 1.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elemento de la columna PIVOT (la división solo se hace para los elementos positivos). para ello dividimos la fila de la variable S3 entre 1. el menor ratio de cociente mínimo nos determina la fila PIVOT. ya que el elemento de intercepción es 1 y colocamos el resultado en el segundo tablero en la posición del renglón que le corresponde. y la variable S3 es reemplazada por la variable X2. Esto significa que en el segundo tablero debe salir de la base la variable S3 y su lugar debe ser remplazada por la variable X2.

23 . replicamos ésta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero. el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable X2 en el segundo tablero. de la siguiente manera: En el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por 8 y luego sumamos el valor ( .8 ) de la fila de los coeficientes reducidos en el primer tablero.

el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero. replicamos ésta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero. 24 . en el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por 1 y luego sumamos el valor (-1) de la fila de S1 en el primer tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego.

el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma En el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por 1 y luego sumamos el valor (-1) de la fila de S2 en el primer tablero. 25 . replicamos ésta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero.

para ello dividimos la fila de la variable S2 entre 3. y la variable S2 es reemplazada por la variable Y2. Esto significa que en el tercer tablero debe salir de la base la variable S2 y su lugar debe ser remplazada por la variable Y2. 26 . y es la variable que ingresa a la base en el tercer tablero. como se esta maximizando debemos seleccionar el coeficiente del Costo Reducido más negativo del segundo tablero para obtener nuestra columna PIVOT. el menor ratio de cociente mínimo nos determina la fila PIVOT. para nuestro caso el menor ratio corresponde a la variable S2 que tiene como cociente mínimo 5/3. generalizamos esta operación para toda la fila. ya que el elemento de intercepción es 3 y colocamos el resultado en el tercer tablero en la posición del renglón que le corresponde. Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elemento de la columna PIVOT (la división solo se hace para los elementos positivos). para nuestro caso corresponde al valor -7 de la columna asociada a la variable Y2.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Continuando. El elemento de intersección de la fila y columna PIVOT debe ser uno en el tercer tablero.

el resultado es “cero” y lo colocamos en la misma posición pero del tercer tablero. replicamos ésta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero. de la siguiente manera: En el tercer tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por 7 y luego sumamos el valor ( . 27 .INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable Y2 en el tercer tablero.7 ) de la fila de los coeficientes reducidos en el segundo tablero.

28 . replicamos ésta operación para toda la fila con el valor del coeficiente correspondiente del segundo tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego. el resultado es “cero” y lo colocamos en la misma posición pero del tercer tablero. en el tercer tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por 2 y luego sumamos el valor (-2) de la fila de S1 en el segundo tablero.

Luego. 29 . vemos que en el tercer tablero ya no existen más costos reducidos negativos.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma En el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por 1 y luego sumamos el valor (-1) de la fila de Y2 en el segundo tablero. se ha llegado a la solución final. entonces. replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del segundo tablero. El resultado es “cero” y lo colocamos en la misma posición pero del tercer tablero.

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma El tercer tablero nos da el tablero óptimo del cual obtenemos el vector solución. compuesto por las variables básicas (son aquellas variables que están en la columna base) las cuales obtienen su resultado de la columna solución y las variables no básicas (aquellas variables que no aparecen en la columna base) asumen valor cero por default. 30 . El valor de la función objetivo se obtiene del primer valor de la columna solución.

Y asume un valor de . y La función objetivo asume un valor óptimo de 59/3 31 .5/3 .INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma La solución final se da en función a las variables de decisión: X asume un valor de – 8/3 .

Seminario de Investigación INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 32 .HE17 .

sistemas financieros. sistemas de salud. el menor desperdicio. en los sistemas de comercialización. el menor tiempo de entrega. el menor tiempo de producción. transportes. etc. 33 . la menor cantidad de piezas rechazadas.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Los modelos de minimización buscan casi siempre obtener el mínimo costo. el menor tiempo de espera. etc y se aplican en la industria . en el sector de servicios públicos.

Una tonelada de harina tipo I de uso interno genera un costo de 2 mil soles y requiere un operario y una tonelada de harina tipo II destinada a la venta genera una ganancia de 3 mil soles y requiere 2 operarios. ¿cuánto y qué tipo de harina se debe producir para minimizar los costos? 34 .INVESTIGACIÓN DE OPERACIONAL OPERACIONES Universidad Ricardo Palma Una empresa produce harina de tipo I para uso interno y harina tipo II para venta. El área de ventas estima que la diferencia entre la harina tipo I y II debe ser a lo mas 6 toneladas. Se dispone de 4 operarios.

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 35 .

en nuestro ejemplo estamos agregando las variables de holgura S1 y S2 a las dos restricciones. 36 . La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando variables de holgura. Como primer paso debemos aplicar la forma estándar al modelo planteado. lo cual implica tres condiciones: La primera condición : que los lado derecho de las restricciones sean constantes mayores o iguales a cero.INVESTIGACIÓN DE OPERACIONAL OPERACIONES Universidad Ricardo Palma Hemos visto hasta aquí las aplicaciones del modelo SIMPLEX aplicado a problemas de maximización. en nuestro ejemplo los lado derecho de las restricciones ya son constantes positivas. La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero (es decir que sean variables positivas) en nuestro ejemplo todas las variables son positivas. sin embargo. Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de minimización. encontraran ocasiones donde es necesario minimizar la función objetivo. Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones del tipo menor o igual.

37 . y es la variable que ingresa a la base en el segundo tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Como primer paso implementamos el tablero inicial del simplex con la estructura de su forma estándar. Como se esta minimizando debemos seleccionar el coeficiente del Costo Reducido más positivo para obtener nuestra columna PIVOT. para nuestro caso corresponde al valor 3 de la columna asociada a la variable X2.

El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero. para ello dividimos la fila de la variable S1 entre 1.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elemento de la columna PIVOT (la división solo se hace para los elementos positivos). generalizamos esta operación para toda la fila. y la variable S1 es reemplazada por la variable X2. ya que el elemento de intercepción es 1 y colocamos el resultado en el segundo tablero en la posición del renglón que le corresponde. para nuestro caso el menor ratio corresponde a la variable S1 que tiene como cociente mínimo 1. 38 . el menor ratio de cociente mínimo nos determina la fila PIVOT. Esto significa que en el segundo tablero debe salir de la base la variable S1 y su lugar debe ser remplazada por la variable X2.

39 . el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable X2 en el segundo tablero. replicamos ésta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero. de la siguiente manera: En el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por (-3) y luego sumamos el valor 3 de la fila de los coeficientes reducidos en el primer tablero.

40 . entonces se ha llegado a la solución final. el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero. en el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por 1 y luego sumamos el valor (-1) de la fila de S2 en el primer tablero. Luego vemos que en el segundo tablero ya no existen mas costos reducidos positivos.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego. replicamos ésta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero.

41 . El valor de la función objetivo se obtiene del primer valor de la columna solución.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma El segundo tablero nos da el tablero óptimo del cual obtenemos el vector solución. y b) las variables no básicas (aquellas variables que no aparecen en la columna base) que asumen valor cero por default. el cual está compuesto por a) las variables básicas (son aquellas variables que están en la columna base) las cuales obtienen su resultado de la columna solución.

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma La solución final se da en función a las variables de decisión: X1 asume un valor de 0 . X2 asume un valor de 4 .12 42 . y La función objetivo asume un valor óptimo de .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 43 .

en el sector de servicios públicos.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Los modelos de minimización con variables negativas. como por ejemplo la condición de cuantificar costos. capital faltante. donde el resultado de la función objetivo es casi siempre obtener el menor costo y se aplican en la industria . en los sistemas de comercialización. transportes. entre otros casos. cuantificar perdidas. A continuación mostraremos una formulación asociado a un modelo matemático donde se ilustra el uso de variables negativas. inventario faltante. sistemas de salud. 44 . sistemas financieros. desembolsos de un flujo de dinero. etc. buscan modelar condiciones donde las variables puedan asumir valores negativos.

Encontrarán ocasiones en donde el modelo requiere hacer uso de variables que puedan asumir valores negativos y será necesario hacer un reemplazo de variables. Como primer paso debemos aplicar la forma estándar al modelo planteado. La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando variables de holgura. en nuestro ejemplo los lado derecho de las restricciones ya son constantes positivas. Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones del tipo menor o igual. lo cual implica tres condiciones: La primera condición : que los lado derecho de las restricciones sean constantes mayores o iguales a cero. por lo tanto debemos realizar un cambio de variable. en nuestro ejemplo estamos agregando las variables de holgura S1 y S2 a las dos restricciones. Y debe ser igual a – Y1. y hacemos el reemplazo en todo el modelo en su forma estándar.INVESTIGACIÓN DE OPERACIONAL OPERACIONES Universidad Ricardo Palma Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de minimización con variable negativa. 45 . La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero (es decir que sean variables positivas) en nuestro ejemplo la variable Y esta definida como negativa.

Como se esta minimizando debemos seleccionar el coeficiente del Costo Reducido más positivo para obtener nuestra columna PIVOT.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Como primer paso implementamos el tablero inicial del simplex con la estructura de su forma estándar. 46 . para nuestro caso corresponde al valor 1 de la columna asociada a la variable Y1. y es la variable que ingresa a la base en el segundo tablero.

generalizamos esta operación para toda la fila. ya que el elemento de intercepción es 1 y colocamos el resultado en el segundo tablero en la posición del renglón que le corresponde. para ello dividimos la fila de la variable S2 entre 1. El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero. Esto significa que en el segundo tablero debe salir de la base la variable S2 y su lugar debe ser remplazada por la variable Y1.INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elemento de la columna PIVOT (la división solo se hace para los elementos positivos). para nuestro caso el menor ratio corresponde a la variable S2 que tiene como cociente mínimo 4. 47 . y la variable S2 es reemplazada por la variable Y1. el menor ratio de cociente mínimo nos determina la fila PIVOT.

INVESTIGACIÓN DE OPERACIONES

Universidad Ricardo Palma

Mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable Y1 en el segundo tablero, de la siguiente manera: En el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por (-1) y luego sumamos el valor 1 de la fila de los coeficientes reducidos en el primer tablero, el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero, replicamos ésta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero.

48

INVESTIGACIÓN DE OPERACIONES

Universidad Ricardo Palma

Luego, en el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila de color rojo) por 1 y luego sumamos el valor (-1) de la fila de S1 en el primer tablero, el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero, replicamos ésta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero. Luego vemos que en el segundo tablero ya no existen mas costos reducidos positivos, entonces se ha llegado a la solución final.

49

INVESTIGACIÓN DE OPERACIONES

Universidad Ricardo Palma

El segundo tablero, nos da el tablero óptimo del cual obtenemos el vector solución, compuesto por las variables básicas ( son aquellas variables que están en la columna base) las cuales obtienen su resultado de la columna solución y las variables no básicas (aquellas variables que no aparecen en la columna base) asumen valor cero por defoul . El valor de la función objetivo se obtiene del primer valor de la columna solución.

50

4 51 . y La función objetivo asume un valor óptimo de .INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma La solución final se da en función a las variables de decisión: X asume un valor de 0 .4 . Y asume un valor de .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 52 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 53 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 54 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 55 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 56 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 57 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 58 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 59 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 60 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 61 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 62 .

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma 63 .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->