Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simplex
Simplex
13
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
Una razn para analizar las soluciones FEV adyacentes es la siguiente propiedad
general de las soluciones, que proporciona una manera muy til de verificar si una solucin
FEV es una solucin ptima.
Prueba de optimalidad: Considere cualquier problema de programacin lineal que posea
al menos una solucin optima. Si una solucin FEV no tiene soluciones FEV adyacentes
que sean mejores (segn el valor de Z), entonces esa debe ser una solucin ptima.
De esta manera por ejemplo (2,6) debe ser optima simplemente porque su valor
correspondiente de Z = 36 es ms grande que Z = 30 para (0,6) y Z = 27 para (4,3). Esta
prueba de optimalidad se usa en el mtodo Simpex para determinar cuando se ha llegado a
una solucin ptima.
2. Solucin del ejemplo por el mtodo Simplex desde un punto de vista geomtrico.
Veamos como se resuelve el problema de la W Glass utilizando el mtodo Simplex
desde un punto de vista geomtrico. Los pasos son los siguientes:
Paso inicial: Elija (0,0) como solucin FEV inicial para examinarla.
Prueba de optimalidad: concluya que (0,0) no es una solucin ptima, dado que las
soluciones FEV adyacentes son mejores.
Iteracin 1: Muvase a una solucin FEV adyacente mejor, (0,6), realizando los
siguientes pasos:
1) De las dos aristas que salen de (0,0), elija moverse a lo largo de la arista que
aumenta el valor de x2. (Con una funcin objetivo Z = 3x1 + 5x2, al aumentar el
valor de x2, al valor de Z crece mas rpido que si aumenta el valor de x1).
2) Detngase al llegar a la primera frontera de restriccin: 2x2 = 12 (si se mueve mas
lejos en esa direccin, saldr de la regin factible).
3) Obtenga la interseccin del nuevo conjunto de fronteras de restriccin: (0,6).
Prueba de optimalidad: concluya que (0,6) no es una solucin ptima. (existe una
solucin FEV adyacente mejor).
Iteracin 2: Muvase a una mejor solucin FEV, (2,6), realizando los siguientes pasos:
1) De las dos aristas que salen de (0,6) elija moverse a la derecha (moverse a lo largo
de esta arista aumenta el valor de Z).
2) Detngase al encontrar la primera frontera de restriccin en esa direccin:
3x1+2x2=12.
3) Obtenga la interseccin del nuevo conjunto de fronteras de restriccin: (2,6)
14
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
Si no lo es:
Iteracin para
encontrar una
solucin FEV mejor.
Prueba
de
optimalidad:
Es ptima la
solucin FEV
Si lo es:
Termina
15
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
x1
+x3
2x2 +x4
3x1+2x2
+x5
=4
= 12
= 18
xj 0, para j = 1,2,3,4,5
A esta forma se le da el nombre de forma aumentada del problema.
Terminologa para la forma aumentada:
Solucin Bsica (BF): es una solucin en un vrtice aumentada.
Solucin bsica factible: es una solucin FEV aumentada.
Una solucin bsica tiene las siguientes propiedades:
1) Cada variable se designa ya sea como variable bsica o variable no bsica.
2) El numero de variables bsicas es igual al nmero de retricciones funcionales. Por lo
tanto, el nmero de variables no bsicas es igual al nmero total de variables menos el
nmero de restricciones funcionales.
3) Las variables no bsicas se igualan a cero.
4) Los valores de las variables bsicas se obtienen como la solucin simultanea del
sistema de ecuaciones.
5) Si las variables bsicas satisfacen las restricciones de no negatividad, la solucin bsica
es una solucin BF.
4. Algebra del Mtodo Simplex.
Se explicara siguiendo el ejemplo de la W. Glass.
Paso inicial: Se eligen como variables no bsicas a x1 y x2, por lo tanto se igualan a cero.
El sistema de ecuaciones es:
(1)
(2)
(3)
x1
+x3
2x2
3x1+2x2
+x4
+x5
=4
= 12
= 18
16
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
x1
con
x1 = 0
x3 = 4
x4 = 12 - 2x2
x5 = 18 - 2x2
+x3
2x2 +x4
3x1+2x2
+x5
=4
= 12
= 18
lo que buscamos es cuanto puede crecer x2 sin violar restricciones de no negatividad, as:
x3 = 4 0
x4 = 12 - 2x2 0
x5 = 18 - 2x2 0
x2 18/2 = 9
x1
=0
+x3
2x2
3x1 +2x2
+x4
+x5
=4
= 12
= 18
Para despejar Z, x2, x3 y x5, de este sistema de ecuaciones es necesario realizar algunas
operaciones algebraicas elementales, para reproducir el patrn de coeficientes de x4
(0,0,1,0) como los nuevos coeficientes de x2, Se pueden realizar cualquiera de los dos tipos
de operaciones algebraicas elementales:
1) Multiplicar (o dividir ) una ecuacin por una constante distinta de cero.
17
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
x1
3x1
x2
+x3
+5/2 x4
= 30
+1/2 x4
x4 +x5
-
=4
=6
=6
Como x1 y x4 son iguales a cero, las ecuaciones en esta forma llevan a la nueva solucin BF
(0,6,4,0,6), lo que da Z = 30. Lo que hemos utilizado para resolver las ecuaciones se conoce
como mtodo de eliminacin de Gauss-Jordan.
Prueba de optimalidad para la nueva solucin BF:
La ecuacin (0) actual Z = 30+ 3x1-5/2 x4
No es ptima porque al aumentar el valor de una variable no bsica (x1), el valor de Z
aumenta.
Iteracion2: solucin ptima que resulta:
Como la funcin Z = 30+ 3x1-5/2 x4, se pude aumentar si aumenta el valor de x1, pero no el
de x4, se elige como primer paso a x1 como la variable bsica entrante.
El segundo paso nos dice cuanto se puede aumentar x1 (con x4 = 0), las ecuaciones nos dan:
x1 4/1 = 4
x3 = 4 - x1 0
no hay cota superior sobre x1
x2 = 6 0
x5 = 6 - 3x1 0
x1 6/3 = 2 (mnimo)
Por lo tanto la prueba del cociente mnimo indica que x5 es la variable bsica que sale.
El tercer paso es sustituir a x5 por x1 como variable bsica, se realizan operaciones
algebraicas en el sistema de ecuaciones actual para reproducir el patrn de coeficientes de
x5 (0,0,0,1) como los nuevos coeficientes de x1. Esto lleva al siguiente sistema de
ecuaciones:
(0) Z
+3/2 x4 +
x5
(1)
x3 +1/3 x4 - 1/3x5
(2)
x2 +1/2 x4
- 1/3 x4 + 1/3x5
(3)
x1
= 36
=2
=6
=2
18
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
19
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
La variable bsica en ese rengln es la variable bsica que sale, entonces se debe
sustituir por la variable bsica entrante en la columna de la variable bsica de la
siguiente tabla.
Tabla 5.2. Aplicacin de la prueba del cociente mnimo para determinar la variable
bsica que sale.
Luego poner un recuadro en este rengln que se llama rengln pivote. El nmero
que se encuentra entre los recuadros se llama nmero pivote.
La variable bsica que sale es x4, y x2 sustituye a x4 en el rengln 2, como se indica
en la tabla 5.3.
Tabla 5.3. En la parte superior de la tabla se indica el nmero pivote. La parte
inferior corresponde a la nueva tabla Simplex con x2 que sustituye a x4.
20
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
Para el paso 3, se divide el rengln pivote (rengln 3) entre el numero pivote 3. Despus, se
suma al rengln (0) el nuevo rengln 3 multiplicado por 3. Luego, se resta el nuevo rengln
3 del rengln 1. En la tabla 5.5. se tiene ahora la nueva tabla Simplex.
21
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
=0
=4
= 12
= 18
22
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
como en la ecuacin (3) no hay variable de holgura para usar como variable bsica inicial y
obtener la BF inicial, habr que construir un problema artificial que tenga la misma
solucin ptima que el problema real.
Se aplica la tcnica de la variable artificial: se introduce una variable artificial en la
ecuacin (3) como si fuera una de holgura:
(3)
3x1 +2x2 + X5
= 18
23
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
3) Una variable artificial X6, igual que para las restricciones de igualdad.
0.6 x1 + 0.4 x2 X5 + X6 = 6, donde X5 y X6 son 0
Luego para resolverlo se aplica el mtodo de la M.
Un tratamiento exhaustivo de estas formas de modelos, se presenta en el texto
Investigacin de Operaciones, de los autores Hillier and Lieberman.
7. Anlisis Posoptimo.
El anlisis posoptimo es el anlisis que se hace despus de obtener una solucin
ptima para la versin inicial del modelo.
7.1. Precios sombra: Los problemas de programacin lineal se pueden interpretar como la
asignacin de recursos a las actividades, en particular cuando las restricciones funcionales
son de la forma y las bi (los lados derechos) se interpretaron como la cantidad de los
respectivos recursos disponibles para las actividades bajo estudio.
En el ejemplo de la W. Glass que venimos desarrollando:
Recurso i: capacidad de produccin de la planta i (1,2,3) que se proporciona para los
dos nuevos productos.
bi: horas del tiempo de produccin por semana que se proporcionan en la planta i
para estos dos nuevos productos.
La decisin tentativa inicial (proporcionar una cantidad de tiempo de produccin
para nuevos productos) sobre los valores de bi ha sido:
b1 = 4, b2 = 12, b3 = 18; como se indico en el modelo bsico.
Ahora la gerencia desea evaluar el efecto de cambiar cualquiera de los valores de las
bi. Para realizar esto se definen los precios sombra, que miden la tasa a la que Z puede
aumentar si se incrementa (un poco) la cantidad que se proporciona de este recurso. El
mtodo Simplex, identifica este precio sombra como el coeficiente de la iesima variable de
holgura en el rengln (0) de la tabla Simplex final.
De esta manera los precios sombra para nuestro ejemplo son:
y1* = 0
(precio sobra del recurso 1)
(precio sobra del recurso 2)
y2* = 3/2
y3 * = 1
(precio sobra del recurso 3)
Como estamos trabajando con dos variables de decisin, estos nmeros se pueden
verificar grficamente, si se observa que un incremento individual de 1 en cualquier bi,
aumentara el valor de Z en yi*. Por ejemplo en la figura 7.1 se muestra este incremento
para el recurso 2 al volver a aplicar el mtodo grfico que se presento anteriormente. La
solucin optima (2,6) con Z = 36, cambia a (5/3, 13/2) con Z = 37.5 cuando b2 aumenta en
1 (de 12 a 13); de manera que y2* = 3/2 = Z = 37.5 36.
24
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
Como Z se expresa en miles de dlares por semana, y2* = 3/2 indica que si se
agrega una hora mas de tiempo de produccin a la semana en la planta 2 para estos
nuevos productos, la ganancia total aumentara en $1500 a la semana. debe hacerse
esto?. Depende de la ganancia marginal de otros productos que por el momento usan ese
tiempo de produccin. Si existe un producto actual que contribuye con menos de $1500 de
la ganancia semanal por una hora de produccin a la semana en la planta 2, entonces
valdra la pena algn cambio en la asignacin del tiempo de produccin a los nuevos
productos.
Figura 7.1. La grfica muestra que el precio sombra es y2* = 3/2 para el recurso 2
en el ejemplo.
En la misma figura 7.1 puede verse que si b2 aumentara a ms de 18 unidades, la
solucin ptima se queda en el punto (0, 9) sin que la Z aumente ms, por esto es que b2
debe incrementarse poco. Por otra parte y1* = 0, la restriccin sobre el recurso 1 (x1 4),
no atan a la solucin optima (2,6), o sea no se obtendr una nueva solucin optima con
mayor valor para Z.
En cambio las restricciones sobre los recursos 2 y 3, 2x2 12 y 3x1 + 2x2 18, son
restricciones de atadura (en las que se cumple la igualdad para la solucin optima). Debido
a que la disponibilidad limitada de estos recursos (b2 = 12, b3 = 18) ata a Z para que no
pueda incrementarse.
7.2. Anlisis de sensibilidad.
El propsito principal del anlisis de sensibilidad es identificar los parametros
sensibles, es decir aquellos que no pueden cambiar sin cambiar la solucin ptima.
Como se identifican los parmetros sensibles?. En el caso de las bi, esta
informacin esta dada por los precios sombra que proporciona el mtodo Simplex. Cuando
yi* > 0, entonces la solucin optima cambia si bi lo hace; por lo que bi es un parmetro
sensible. Si yi* = 0 la solucin optima no es sensible a cambios pequeos de bi. De esta
25
Ctedra: Produccin I
Captulo 7. Programacin lineal. Mtodo Simplex
manera, si el valor que se utiliza para los bi es una estimacin de la cantidad de recurso que
se tendr disponible, los valores de bi que se debern controlar con sumo cuidado son
aquellos precios sombra positivos, en especial aquellos que tengan precios sombra grandes.
Cuando el problema tiene dos variables, la sensibilidad de los distintos parmetros
se puede analizar con una grfica. Por ejemplo en la figura 7.2 se puede observar que c1= 3
puede cambiar a cualquier valor dentro del intervalo 0 a 7.5 sin que cambie la solucin
optima (2,6). Esto se debe a que cualquier valor de c1 dentro de ese intervalo mantiene la
pendiente de Z = c1x1 + 5x2, entre las pendientes de las lneas 2x2 = 12, y 3x1 +2x2 = 18.
De la misma manera si c2 = 5, es el nico parmetro que se cambia, puede tomar
cualquier valor mayor que 2 sin que afecte a la solucin optima. Entonces ni c1 ni c2 son
parmetros sensibles.
26