EL MTODO DUAL SIMPLEX Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando en una solucin bsica factible

pero no ptima, genera soluciones bsicas factibles cada vez mejores hasta encontrar la solucin ptima (s esta existe). Ntese que la base de su lgica es mantener la factibilidad, mientras busca la optimalidad. Pero surge la posibilidad de usar otro esquema igualmente iterativo, que como contraparte del simplex, comienza en una solucin bsica ptima, pero no factible y mantiene la inmejorabilidad mientras busca la factibilidad. Con este procedimiento se llega igualmente a la solucin ptima. El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre de Mtodo Dual-Simplex. A continuacin se presenta su estructura y un ejemplo para ilustrar su aplicacin.

Algoritmo Dual-Simplex para un modelo de maximizacin Introduccin Primero se debe expresar el modelo en formato estndar, agregando las variables de holgura y de exceso que se requieran. Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de restricciones de tipo >), se debe multiplicar por (-1) en ambos lados , para hacer positivo el coeficiente de la variable de exceso, y formar as un vector unitario que nos permita tomar esta variable de exceso como una variable bsica inicial. sin necesidad de agregar una variable artificial en esa restriccin. Al hacer lo anterior se logra que debajo de las variables bsicas aparezca una matriz identidad, que es la que el simplex siempre toma como base inicial. Obtendremos que los trminos del lado derecho de las ecuaciones

multiplicadas por (-1) quedan con signo negativo, lo cual hace que la solucin inicial sea infactible. Es importante destacar que este proceso es muy til ya que en muchos modelos evita la inclusin de variables artificiales en el momento de transformar un modelo a formato estndar. El algoritmo para resolver un modelo de maximizacin es el siguiente:

Paso 1: Hallar una solucin bsica inicial infactible e inmejorable Escribir el tablero inicial tomando a las variables de holgura y de exceso como variables bsicas Paso 2: Prueba de factibilidad a. b. Si todas las variables bsicas son no negatvas, la actual solucin es la ptima. Si hay al menos una variable bsica negativa, seleccionar como variable se romper arbitrariamente. Paso 3: Prueba de inmejorabilidad a. S en el rengln de la variable bsica de salida (XB)s todos los coeficientes de reemplazo con las variables no bsicas son no negativos, la solucin del modelo es ptima limitada. Se termina el proceso. Si en el rengln de la variable bsica de salida (XB)s, hay al menos un coeficiente de intercambio negativo , se efectan los cocientes entre el efecto neto de cada variable no bsicas y su correspondientel coeficiente de intercambio negativo. Es decir, siendo (XB)s la variable de salida se calculan todos los cocientes de salida, pueden ( llammosla (XB)s ), a aquella con el valor mas negativo. Los empates iniciales

Se toma como variable de entrada ( llammosla Xe ) a aquella que corresponda al mnimo de los cocientes del anterior conjunto

Si la variable de entrada es Xe el elemento pivote ser el elemento (Se)s El empate se puede romper arbitrariamente.

b.

Aplicar la operacin de pivoteo para generar la nueva tabla, en la cual aparezca Xe como variable bsica en lugar de la variable de salida (XB)s

c.

Repetir el algoritmo a partir del paso 2.

Ejemplo de aplicacin del Mtodo Dual Simplex Sea el siguiente modelo: Maximizar Z= -2X1 Sujeto a : 2X1 3X1 -2X2 +4X2 -3X2 -3X3 +2X3 > 10 +9X3 = 12

con X1, X2, X3 > 0 Expresemos el modelo en formato estndar Maximizar Z= -2X1 -2X2 Sujeto a : 2X1 3X1 +4X2 -3X2 -3X3 +2X3 -IE1 +9X3 -IE2

= 10
= 12

multipliquemos por (-1) en ambos lados de las ecuaciones, para formar los vectores unitarios, requeridos para contar con una base inicial unitaria. Maximizar Z= -2X1 -2X2 Sujeto a : -2X1 -4X2 -3X1 +3X2 paso 1. Tomando las variables bsicas iniciales hacemos lo siguiente: -3X3 -2X3 -9X3 +IE1

= -10
+IE2 = -12

Cj -2 -2 -3 0 0 0 -2 -4 -2 1 -3 3 0 -9 0 0 0

0 0 1 0 0

XB -10 E1 -12 E2 0 0Z

CB X1 X2 X3 E1 E2 Solucin Bsicas

Zj 0

Ej -2 -2 -3 0
Paso 2 Sale E2 = (XB)2 o sea s = 2

Paso 3 a. Calculando los cocientes para todo (Sj)2 < 0 obtenemos:

o sea que X3 es la variable de entrada( entonces e = 3) y el elemento pivote es el (Se)s = (S3)2 = -9 b. Efectuando el pivoteo obtenemos la tabla siguiente: Tabla 1 (maximizar)

Cj -2 -2 CB X1 X2 0 -3

-3 0 1 0

0 2/9 1/9 1/3 1/3

XB -22/3 E1 4/3 X3

X3 E1 E2 Solucin Bsicas

0 4/3 14/3 -1/3 1 1/3 0

Zj -1 1 Ej -1 -3

-3 0 0

-4 Z

c.

Repitiendo el algoritmo desde el paso 1, obtenemos: sale E1 = (XB)1 y entra X2 por lo cual obtenemos la siguiente tabla Tabla 2

Cj -2 CB X1

-2 -3 0 X2 X3 E1 0 1 -3 0

0 E2

XB Solucin Bsicas 11/7 X2 13/7 X3

-2 2/7 1 -3 3/7 0 Zj 1 13/7

1/21 3/14 1/14 2/21 4/21 9/14 9/14 4/21

Ej -1/7 0

-61/7 Z

Como

se

observa,

ahora

estamos

en

el

ptimo.

En definitiva: X2* X3* Z* = - 61/7 Otro ejemplo: Resolver el siguiente modelo usando el mtodo Dual-Simplex Minimizar Z= 2X1 Sujeto a : 3X1 4X1 X1 + 2X2 +X2 +3X2 +2X = = 11/7 13/7

> 10 > 12 <

con X1, X2 > 0 Expresando el modelo en formato estndar y ajustndolo para que las variables bsicas sean las variables de holgura tenemos: Minimizar Z= 2X1 Sujeto a : + 2X2 +IE1 +IE2 +IE3 = = = -3 -6 3

-3X1 -X2 -4X1 -3X2 X1 +2X

Usando el mtodo Dual Simplex obtenemos, sucesivamente: Tabla 0 Basicas X1 X2 E1 E1 E2 H3 Ej Sale E2 Entonces los cocientes son

E2 H3 Solucin 0 1 0 0 0 0 1 0 -3 -6 3 0

-3 -4 1 2

-1 -3 2 1

1 0 0 0

Nota: Obsrvese que cuando el objetivo es minimizar, se toma el valor absoluto de los cocientes. Tabla 1 Basicas X1 X2 E1 E1 E2 H3 Ej

E2 H3 Solucin 1/3 1/3 2/3 1/3 0 0 1 0 -1 2 -1 2

0 5/3 4/3 1 0 5/3 2 0

1 0 0 0

Sale Los cocientes son:

H1

Tabla 2 (ptima) Basicas X1 X2 E1 E1 E2 H3 Ej

E2 H3 Solucin 0 0 1 0 3/5 6/5 0 12/5

1 0 0 0

1/5 3/5 3/5 1

1 4/5 0 -1

0 2/5 1/5

La solucin ptima es X1 = 3/5, X2 = 6/5 ; Z = 12/5 En la grfica observamos el camino que realmente sigui el algoritmo para pasar de la solucin infactible con valor Z= 0 a la solucin factible ptima con valor Z = 12/5.

La aplicacin del mtodo simplex dual es especialmente til en el anlisis de sensibilidad. Se usa cuando despus de haber obtenido la solucin ptima, se desea agregar una nueva restriccin al modelo si la nueva restriccin no se cumple. En este caso se obtiene que para los valores ptimos de las variables de decisin, la solucin permanece ptima pero se convierte en infactible. Surge entonces la necesidad de aplicar el algoritmo Dual-Simplex para extraer la variable bsica que tiene valor infactible. Cuando estudiemos el tema de anlisis de sensibilidad analizaremos un caso como el citado.