Está en la página 1de 3

2. Solucin de Modelos Lineales con el Mtodo SIMPLEX y el mtodo de de la M penalizacin. 2.1.

Esbozo de conceptos y aspectos relevantes de la teora de la solucin de Modelos de Programacin Lineal 1. El Mtodo Simplex es un procedimiento de clculo algebrico, iterativo, para resolver Modelos Lineales de cualquier tamao. 2. El algoritmo Simplex requiere que el Modelo Lineal, para ser solucionado, cumpla las condiciones de Forma Estndar y Sistema Cannico. 3. La Forma Estndar incluye: a) una Funcin Objetivo a optimizar b) lado derecho de las restricciones con valor positivo c) variables de decisin no negativas d) las restriccionesdeben ser expresadas como igualdades. 4. Para transformar las restricciones en igualdades se deben incorporar las llamadas variables de holgura. 5. Una variable de holgura tiene coeficiente cero en la Funcin Objetivo. Se suman en restricciones del Tipo y se restan en restricciones del Tipo . En trminos matemticos, expresan la diferencia entre el lado izquierdo y el lado derecho de las restricciones. Al igual que las variables de decisin deben ser mayores o iguales a cero. 6. En trminos del modelo representan la cantidad de recurso no utilizado con relacin a un mximo disponible (Parte ociosa de los recursos). 7. Cuando la restriccin es de una condicin o requerimiento, representan la cantidad de esa condicin o requerimiento que se obtiene por encima de un mnimo o que se deja de tener con relacin a un mximo. 8. El Sistema Cannico en un Modelo Lineal significa que debe existir una variable bsica en cada restriccin. Esto permite obtener una primera solucin posible que satisface todas las restricciones. 9. Una variable bsica tiene coeficiente 1 positivo en una restriccin y no existe en las dems. 10. Las variables de decisin (estructurales) del modelo y las variables de holgura pueden ser variables bsicas. Cuando ninguna de ellas cumple con la condicin de ser bsica, se incorpora una variable como artificio matemtico, para cumplir con el sistema cannico y a esa variable se le llama variable artificial. 11. Una variable artificial debe tener incorporado un coeficiente muy alto en la Funcin Objetivo, con signo negativo en maximizacin y con signo positivo en minimizacin. Con esto se logra que el procedimiento Simplex las elimine de la solucin en las primeras iteraciones. Estas variables deben valer cero en la solucin ptima del modelo. 12. Una Tabla Simplex es un resumen detallado de toda la informacin del modelo para trabajar ms fcilmente con l. La siguiente tabla expresa cmo deben ser recogidos los datos para resolver el problema de programacin lneal por el Mtodo Simplex. Modelo de Tabla Simplex Itereracin F. O. V.B. Ec. # Coeficientes Z (0) X1 X2 X3 X4 Xn L.D. Razn

2.2. Procedimiento para la resolucin de problemas mediante por el Mtodo Simplex. FASE I: Preparar el modelo inicial para construir la tabla: 1) Transformar los trminos independientes en positivos (multiplicando por -1). 2) Si en alguna restriccin, hay un solo proceso que est contenida en ella sola, lo convertiremos en unitario (dividiendo por su coeficiente) y si no lo hago meter una variable de holgura. 3) En las inecuaciones en las que encontramos introducimos una variable de holgura sumando. 4) En las inecuaciones en las que encontramos introducimos una variable de holgura restando y adems una variable artificial sumando para que en dicha restriccin haya un proceso unitario positivo. 5) En las igualdades se introduce una variable artificial sumando si en la misma no existe una variable unitaria positiva. 6) En toda restriccin debe haber una variable unitaria positiva. 7) Las variables de holgura, a la hora de introducirlas en la funcin objetivo lo haremos siempre con coeficiente cero, y las variables artificiales se introducen con el coeficiente m si estamos maximizando 0 m si estamos minimizando. 8) Igualar a cero la funcin objetivo FASE II: Construir la tabla y resolver el algoritmo. Paso 1: Construir la tabla del mtodo Simplex y rellenamos la tabla con los coeficientes. Comprobamos que las varibles bsicas tienen un coeficiente de 1 en la interseccin de su rengln y columna correspondiente y cero en los dems renglones incluido la fincin objetivo. Si no es as (como en el caso de la existencia de variables artificiales, eliminamos el coefiente m del rengln 0 utilizando como pivote la ecuacin que incorpora la variable artificial) Paso 2: La S.B.F. es ptima, si y slo si todos los coeficientes del rengln (0) son no negativos. De lo contrario se debe iterar. En Paso 3: Si comprobamos que hay coeficientes negativos en el rengln (0), marcamos el mayor en valor absoluto y esta ser la variable no bsica que entra a la base. Para determinar la variable bsica que sale de la base, marcamos la columna debajo del coeficiente de la variable que entra y se le da el nombre columna pivote. Aplicamos la prueba del cociente mnimo para determinar cul es la variable bsica que sale. a) Elegimos los coeficientes de la columna pivote positivos b) Se divide cada coeficiente del lado derecho entre los coeficientes de la columna pivote c) Se identifica el rengln con la menor razn La variable bsica para este rengln es la que sale y se le da el nombre de rengln pivote. La interseccin entre la columna pivote y el rengln pivote lo denominamos nmero pivote. El patrn de coeficientes en la columna de la variable que entra en la d) base, debe quedar como actualmente est el patrn de coeficientes de la variable que sale. Paso 4: Calculamos los nuevos coeficientes de la matriz: Coeficientes del rengln de la variable que entra: Dividimos el rengln pivote entre el nmero pivote y el resultado sern los coeficientes del nuevo rengln de la variable que entra. b) Coeficientes de los dems renglones : Dividimos el nuevo rengln de la variable que entra por menos el coeficiente del de la variable que entra en el rengln que estamos calculando y al resultado, le sumamos el rengln que tenamos inicialmente Paso 5: Construimos la tabla con los resultados. Paso 6: En la nueva matriz, comprobamos los coeficientes del rengln cero, si todava existen coeficientes negativos, se sigue iterando, de lo contrario hemos terminado y hallamos la solucin ptima. a)

EJEMPLO
Max Z = X 1 + 3 X 2 + 5 X 3 7 X 4 SUJETO A : (1)2 X 1 X 3 + 5 X 4 = 8 (2)3 X 1 + 3 X 2 X 3 + 6 X 4 5 (3) X 1 2 X 3 + 4 X 4 6 (4)6 X 1 + 2 X 3 X 4 7 (5) 7 X 1 + X 3 2 X 4 3 (6) X 1, , X 2 , X 3 , X 4 0
Paso 1: convertir t.i. en positivos

Max Z = X 1 + 3 X 2 + 5 X 3 7 X 4 SUJETO A : (1) 2 X 1 + X 3 5 X 4 = 8

(2)3 X 1 + 3 X 2 X 3 + 6 X 4 5 (3) X 1 2 X 3 + 4 X 4 6 (4) 6 X 1 2 X 3 + X 4 7 (5)7 X 1 X 3 + 2 X 4 3 (6) X 1, , X 2 , X 3 , X 4 0


Paso 3: Introducimos v. artificiales

Paso 2: Introducimos v. holgura

Max Z = X 1 + 3 X 2 + 5 X 3 7 X 4 SUJETO A : (1) 2 X 1 + X 3 5 X 4 = 8 (2)3 X 1 + 3 X 2 X 3 + 6 X 4 + h5 = 5 (3) X 1 2 X 3 + 4 X 4 h6 = 6 (4) 6 X 1 2 X 3 + X 4 + h7 = 7 (5)7 X 1 X 3 + 2 X 4 + h8 = 3 (6) X 1, , X 2 , X 3 , X 4 0


Paso 4: Aadimos variables de holgura y artificiales a la funcin objetivo
Max Z = X 1 + 3 X 2 + 5 X 3 7 X 4 + 0 h5 + 0 h6 + 0 h7 + 0 h7 ma8 ma9

Max Z = X 1 + 3 X 2 + 5 X 3 7 X 4 SUJETO A : (1) 2 X 1 + X 3 5 X 4 + a8 = 8 (2)3 X 1 + 3 X 2 X 3 + 6 X 4 + h5 = 5 (3) X 1 2 X 3 + 4 X 4 h6 + a9 = 6 (4) 6 X 1 2 X 3 + X 4 + h7 = 7 (5)7 X 1 X 3 + 2 X 4 + h8 = 3 (6) X 1, , X 2 , X 3 , X 4 0


Paso 5: Igualamos a cero la funcin objetivo:
Z X1 + ma8

3 X 5 X 7 X 0h 0h 0h 0h
2 3 4 5 6 7 9

+ ma = 0

SUJETO A : (1) 2 X 1 + X 3 5 X 4 + a8 = 8 (2)3 X 1 + 3 X 2 X 3 + 6 X 4 + h5 = 5 (3) X 1 2 X 3 + 4 X 4 h6 + a9 = 6 (4) 6 X 1 2 X 3 + X 4 + h7 = 7 (5)7 X 1 X 3 + 2 X 4 + h8 = 3 (6) X 1, , X 2 , X 3 , X 4 0

SUJETO A : (1) 2 X 1 + X 3 5 X 4 + a8 = 8 (2)3 X 1 + 3 X 2 X 3 + 6 X 4 + h5 = 5 (3) X 1 2 X 3 + 4 X 4 h6 + a9 = 6 (4) 6 X 1 2 X 3 + X 4 + h7 = 7 (5)7 X 1 X 3 + 2 X 4 + h8 = 3 (6) X 1, , X 2 , X 3 , X 4 0