REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA DE LA FUERZA ARMADA

NACIONAL NUCLEO FALCON - SEDE CORO PRODUCCIN INDUSTRIAL Ing. Mara de los ngeles Medina UNIDAD 1 La Programacin Lineal 2da parte 1.3 Mtodo simplex El mtodo simplex, es un procedimiento general para resolver problemas de programacin lineal. Desarrollado por George Dantzing en 1947, est comprobada su extraordinaria eficiencia, y se usa en forma rutinaria para resolver problemas grandes en las computadoras actuales. Aunque las operaciones involucradas en el simplex son elementales, tienen que realizarse un gran nmero de veces, lo cual hace su aplicacin manual y aritmticamente tediosa. Por esto, sin la computadora, el simplex hubiera sido nicamente de inters acadmico. El mtodo simplex, como cualquier otro mtodo y a pesar de su poder prctico, tiene algunas limitaciones. Una de ellas es su imposibilidad para manejar ms de un objetivo. Otra ms es su impedimento para tratar problemas cuyas variables deben tomar valores enteros. En 1950, Khun y Tucker iniciaron el desarrollo de la programacin con multiobjetivos. En 1958, R.E. Gomory elabor los llamados algoritmos de planos cortantes para resolver modelos lineales con variables enteras. En 1960, A.H. Land y A.G. Doig publicaron un artculo sobre la solucin de problemas lineales con variables enteras mediante una tcnica cuasienumerativa denominada de ramas y lmites. Hoy por hoy, el simplex, es sin duda alguna el mtodo ms utilizado y eficiente en la solucin de problemas de Programacin lineal. Una propiedad general del mtodo simplex es que resuelve la programacin lineal en iteraciones. Cada iteracin desplaza la solucin a un valor nuevo que tiene potencial de mejorar el resultado de la funcin objetivo. El proceso termina cuando ya no se pueden obtener mejoras. Para estandarizar, la representacin algebraica del espacio de soluciones de programacin lineal se forma bajo dos condiciones: 1. Todas las restricciones (excepto las de no negatividad) son ecuaciones con lado derecho no negativo 2. Todas las variables son no negativas El procedimiento algebraico se basa en la solucin de sistemas de ecuaciones.

Ejercicio 2: Una fbrica produce 2 tipos de bombillos: el bombillo tradicional y el de ahorro energtico. Segn la capacidad del sistema productivo no se pueden fabricar ms de 400 bombillos normales y no ms de 300 bombillos de ahorro de energa en un da cualquiera. Adicionalmente la produccin conjunta de estos 2 tipos de bombillos no puede superar a las 500 unidades diarias. Los bombillos tradicionales se venden a US$ 4,5 y las de ahorro de energa a US$ 6 cada una. Formule y resuelva un modelo de Programacin Lineal que permita maximizar la facturacin diaria de la fbrica satisfaciendo las condiciones impuestas. Bombillos Tradicional Ahorro energtico Produccin 400 300 500 Costo (US$) 4,5 6

Variables: 1 : Nmero de bombillos tradicionales fabricados por da 2 : Nmero de bombillos de ahorro energtico fabricados por da Funcin objetivo: Maximizar: = 4,51 + 62 Sujeta a: 1 400 2 300 1 + 2 500 1 0 ; 2 0 As, el primer paso para preparar el mtodo simplex es convertir las restricciones funcionales de desigualdad en restricciones de igualdad equivalentes. (Las restricciones de no negatividad se dejan como desigualdades porque se manejan por separado). Esta conversin se logra con la introduccin de variables de holgura a cada restriccin respectiva. Al introducir variables de holgura en las otras restricciones funcionales, el modelo de programacin lineal original para este ejemplo se puede sustituir por el modelo equivalente (llamado forma aumentada del modelo), que se presenta a continuacin: Maximizar: 4,51 62 = 0 Sujeta a: 1 + 3 = 400 2 +4 = 300 1 + 2 + 5 = 500 0 : para = 1,2,3,4,5.

Se seleccionan las variables de decisin como las variables no bsicas inciales (es decir, iguales a cero) y las variables de holgura como las variables bsicas inciales: Variables bsicas 3 ; 4 ; 5 Variables bsicas 1 ; 2 ; 1 ; 2 = 0 Iteraciones Paso 1: Se determina la variable bsica entrante con la seleccin de la variable con el coeficiente negativo que tiene el mayor valor absoluto (es decir, el coeficiente ms negativo) en la ecuacin 0. Se pone un recuadro alrededor de la columna debajo de este coeficiente y se le da el nombre de columna pivote. Dada la funcin objetivo: = 4,51 + 62 6 > 4,5 ; Por lo tanto la variable bsica entrante es 2 Paso 2: Se determina la variable bsica que sale con la prueba del cociente mnimo. 1. Elija los coeficientes de la columna pivote que son estrictamente positivos 2. Divida cada coeficiente entre el elemento del lado derecho en el mismo rengln 3. Identifique el rengln que tiene la menor de estas razones 4. La variable bsica en ese rengln es la variable bsica que sale. Iteracin 0: Variable bsica Z 3 4 5 N Ec. 0 1 2 3 Z 1 0 0 0 1 -4,5 1 0 1 2 -6 0 1 1 0 1 0 0 3 0 0 1 0 4 0 0 0 1 5 Lado Razn derecho 0 400 300 300/1=300 500 500/1=500

300< 500, por lo tanto la variable de salida es 4 Paso 3: Se despeja la nueva solucin mediante operaciones elementales con renglones para construir una nueva tabla simplex en la forma apropiada de eliminacin gaussiana 1. Divida el rengln pivote entre el nmero pivote. Use este nuevo rengln pivote en pasos 2 y 3. = . 2. Para los renglones que tiene un coeficiente negativo en la columna pivote, se suma a este rengln el producto del valor absoluto de este coeficiente por el nuevo rengln pivote. 3. Para los renglones que tienen un coeficiente positivo en la columna pivote, se resta de este rengln el producto de este coeficiente por el nuevo rengln pivote. = ( )

Iteracin 1: Variable bsica Z 3 4 5 N Ec. 0 1 2 3 Z 1 0 0 0 -4,5 1 0 1 0 0 1 0 0 1 0 0 6 0 1 -1 0 0 0 1 Lado Razn derecho 1800 400 300 300/1=300 200 200/1=200

La solucin es optima, si y slo si todos los coeficientes del rengln cero son no negativos ( 0) Iteracin 2: Variable N bsica Ec. Z 0 1 3 2 4 3 5

Z 1 0 0 0 0 0 0 1

0 0 1 0

0 1 0 0

1,5 1 1 -1

4,5 -1 0 1

Lado derecho 2700 200 300 500

Solucin: 1 = 200 2 = 300 = Podemos observar que al producir 200 bombillos tradicionales y 300 bombillos de ahorro energtico, por da, se obtiene el mximo de facturacin diaria de la fbrica, el cual es de US$ 2700.

Hasta ahora se han presentado los detalles del mtodo simplex, con la suposicin de que el problema se encuentra en la forma estndar, maximizar Z sujeta a restricciones funcionales de la forma . A continuacin se establecer cmo hacer los ajustes requeridos a otras formas legtimas de modelos de programacin lineal, estos ajustes se pueden hacer en el paso inicial, y el resto del mtodo simplex se aplica justo como se aprendi. Ejercicio 3: A continuacin se presenta el modelo del diseo de terapia de radiacin para Mary:

Funcin objetivo: Minimizar: = 0,41 + 0,52 (0)

Sujeta a: 0,31 +0,12 2,7 (1) 0,51 + 0,52 = 6 (2) 0,61 + 0,42 6 (3) 1 0 ; 2 0 Para resolver un problema, donde se busca minimizar la funcin objetivo, se debe utilizar el principio: Maximizar la negativa de una funcin es equivalente a minimizar una funcin. En consecuencia, la regla es el cambiar de signo los coeficientes de la funcin objetivo cuando se insertan en la tabla inicial, y proceder como en el algoritmo de maximizacin corriente. Minimizar: = 0,41 + 0,52 Maximizar: = 0,41 0,52 En este caso se tiene que las restricciones (2) y (3) no son de la forma . El nico problema que traen estas formas de restricciones funcionales es identificar una solucin inicial bsica factible. Antes, era muy sencillo encontrar esta solucin inicial al hacer que las variables de holgura fueran las variables bsicas inciales. El enfoque estndar que se utiliza en estos casos es la tcnica de variables artificiales, donde se construye un problema artificial ms conveniente, introduciendo una variable ficticia en cada restriccin que lo requiera. Para el caso de la restriccin (2): Se introduce una variable artificial no negativa (denotada por 4 ), como si fuera una variable de holgura: Variable ficticia o artificial: Se introduce slo con el fin de que sea la variable bsica inicial para esa ecuacin 0,51 + 0,52 + 4 = 6 Para el caso de la restriccin (3): El enfoque involucra la introduccin de dos variables: una variable de supervit 5 y una variable artificial 6 Variable de supervit: Resta el exceso del lado izquierdo sobre el derecho para convertir la restriccin de desigualdad en una de igualdad equivalente. 0,61 + 0,42 5 = 6 ; 5 = 0,61 + 0,42 6 ; 5 0 0,61 + 0,42 5 + 6 = 6 Seguidamente, se asigna una penalizacin enorme a ambas variables artificiales, donde 4 > 0 y 6 > 0, cambiando la funcin objetivo a: Minimizar: = 0,41 + 0,52 + 4 + 6

Donde M simblicamente representa un nmero positivo muy grande. Aplicando el mtodo de la M, que fuerza a 4 y 6 hasta llegar a 4 = 0 y 6 = 0 en la solucin ptima. Despus de introducir las variables artificiales 4 y 6 , y de aplicar el mtodo de la M, la conversin correspondiente es: Minimizar: 0,41 0,52 4 6 = 0 Maximizar: + 0,41 + 0,52 + 4 + 6 = 0 Problema artificial: Maximizar: + 0,41 + 0,52 + 4 + 6 = 0 Sujeta a: 0,31 +0,12 +3 = 2,7 0,51 + 0,52 + 4 = 6 0,61 + 0,42 5 + 6 = 6 Este sistema todava no est en la forma apropiada de eliminacin de Gauss porque los coeficiente de 4 y 6 son diferente de cero en la ecuacin (0). Todas las variables bsicas deben eliminarse de la ecuacin (0) con operaciones algebraicas antes de que a travs del mtodo simplex se encuentre la variable bsica entrante. Para la eliminacin algebraica de de 4 y 6 de la ecuacin (0), se resta de esta ecuacin (0) las ecuaciones (2) y (3) multiplicadas por M. + 0,41 + 0,52 + 4 + 6 = 0 -M (0,51 + 0,52 + 4 = 6) -M (0,61 + 0,42 5 + 6 = 6) + 0,4 1,1 1 + 0,5 0,9 2 + 5 = 12 En cuanto a la eleccin de la variable bsica de entrada en cada iteracin, siempre que M est presente, slo se usa su factor multiplicativo a menos que haya un empate, en cuyo caso el empate se rompe con los trminos aditivos correspondientes, donde para este caso 0,4 1,1 < 0,5 0,9 , por lo tanto la variable bsica de entrada es 1 . Iteracin 0:
Variable bsica Z 3 4 6 N Ec. 0 1 2 3 Z -1 0 0 0 -1,1M+0,4 0,3 0,5 0,6 -0,9M+0,5 0,1 0,5 0,4 0 1 0 0 0 0 1 0 M 0 0 -1 0 0 0 1 LD -12M 2,7 6 6 Razn

2,7/0,3=9 6/0,5=12 6/0,6=10

Iteracin 1:
Variable bsica Z 3 4 6 N Ec. 0 1 2 3 Z -1 0 0 0 0 1 0 0 0,2 16 30

+
1 3 1 3 11 30 11 3 10 3 5 3

4 3

0 0 1 0 M 0 0 -1

0 0 0 1

LD -2,1M-3,6 9 1,5 0,6

-2

Iteracin 2:
Variable bsica Z 3 4 5 N Ec. 0 1 2 3 Z -1 0 0 0 0 1 0 0 0 0 0 1
5 3

+
20 3 5 3 7 3

0 0 1 0 -5
5 3

- +
5 3 5 3 11 6 8 3

5 3 5 3 11 6

LD -0,5M-4,7 8 0,5 3

-10

Con 4 y 6 , se garantiza que la solucin bsica dada en la ltima iteracin es factible para el problema real. Iteracin 3:
Variable bsica Z 1 5 2 N Ec. 0 1 2 3 Z -1 0 0 0 0 1 0 0 0 0 0 1 0,5 5 1 -5 M-1,1 -1 0,6 3 0 0 1 0 M 0 -1 0 LD -5,25 7,5 0,3 4,5

Por coincidencia, esta primera solucin factible resulta ptima, por lo que no se necesitan ms iteraciones. Y la solucin optima del problema es: 1 = 7,5; 2 = 4,5; = 5,25.

Adaptacin a otras formas Se puede dar el caso en que el lado derecho de una restriccin (sea de igualdad o desigualdad), sea negativo. Lo que se debe hacer para manejar estos casos es multiplicar ambos lados por -1, cada una debe manejarse de la misma manera. S se multiplican ambos lados de una desigualdad se invierte el sentido de la desigualdad; es decir, cambia a y viceversa. Por ejemplo al hacer esto con la restriccin: 1 2 1

De la restriccin equivalente: 1 + 2 1 Cuando se tienen lados derechos no negativos para todas las restricciones funcionales, el mtodo simplex puede comenzar porque estos lados derechos se convierten en los valores correspondientes a las variables bsicas inciales, que deben satisfacer las restricciones de no negatividad.

Ejercicios propuestos: 1.- Trabaje el mtodo simplex, en su forma tubular paso a paso para resolver el problema: Minimizar: = 31 92 53 44 Sujeto a: 1 + 42 + 53 + 84 8 1 + 22 + 63 + 44 4 1 0 ; 2 0 2.- Trabaje el mtodo simplex, en su forma tubular paso a paso para resolver el problema: Maximizar: = 61 + 52 Sujeto a: 21 + 32 42 31 + 42 60 1 0 ; 2 0

3.- Resolver: Minimizar: = 51 + 72 Sujeto a: 21 + 32 42 31 + 42 60 1 + 2 18 1 0 ; 2 0

a) Introduzca las variables de supervit y las variables artificiales a fin de escribir las restricciones funcionales en la forma aumentada. b) Identifique la variable bsica entrante y la variable bsica que sale para la primera iteracin. c) Use el mtodo de la M para realizar la primera iteracin, realizando tabla simplex completa. 4.- Trabaje el mtodo simplex, en su forma tubular paso a paso para resolver el problema: Maximizar: = 61 + 52 33 + 44 Sujeto a: 31 + 22 33 + 4 120 31 + 32 + 3 + 34 180 1 0 ; 2 0 5.- Resolver: Maximizar: = 41 + 22 + 33 + 54 Sujeto a: 21 + 32 + 43 + 44 = 300 81 + 2 + 3 + 54 = 300 1 0 ; 2 0 a) Use el mtodo de la M para realizar la primera iteracin, realizando tabla simplex completa. b) Identifique la variable bsica entrante y la variable bsica que sale para la primera iteracin.