Algoritmo smplex

Este artculo o seccin necesita referencias que aparezcan en

una publicacin acreditada, como revistas especializadas,
monografas, prensa diaria o pginas de Internet fidedignas. Este
aviso fue puesto el 21 de abril de 2012.
Puedes aadirlas o avisar al autor principal del artculo en su pgina de
discusin pegando: {{subst:Aviso referencias|Algoritmo

smplex}} ~~~~
Existen desacuerdos sobre la exactitud de la informacin en
este artculo o seccin.
En la pgina de discusin puedes consultar el debate al respecto.

Este artculo o seccin necesita una revisin de ortografa y

gramtica.
Puedes colaborar editndolo. Cuando se haya corregido, puedes borrar
este aviso.
Puedes ayudarte del corrector ortogrfico, activndolo en: Mis
preferencias Accesorios Navegacin
ortogrficos con un fondo rojo.

El corrector ortogrfico resalta errores

Un sistema de desigualdades linealesdefine un poliedro como una regin factible. El algoritmo simplex
comienza en un vrtice y se mueve a lo largo de lasaristas del poliedro hasta que alcanza el vrtice de la
solucin ptima.

En optimizacin matemtica, el trmino algoritmo smplex habitualmente se refiere a un

conjunto de mtodos muy usados para resolver problemas de programacin lineal, en los
cuales se busca el mximo de una funcin lineal sobre un conjunto de variables que
satisfaga un conjunto de inecuaciones lineales. El algoritmo simplex primal fue
desarrollado por el matemtico norteamericano George Dantzig en 1947, y procede
examinando vrtices adyacentes del poliedro de soluciones. Un algoritmo simplex es
un algoritmo de pivote.
Un mtodo llamado de manera similar, pero no relacionado al anterior, es el mtodo
Nelder-Mead (1965) o mtodo de descenso (o ascenso) smplex; un mtodo numrico que
busca un mnimo (o mximo) local de una funcin cualquiera examinando en cada paso
los vrtices de un simplex.
El algoritmo del mtodo Simplex fue elegido como uno de los 10 algoritmos ms
importantes del s.XX (SIAM News, Volume 33, Number 4).

ndice
[ocultar]

1 Entrada del problema

2 Conceptos bsicos
o

2.1 Modelo Ampliado

2.2 Solucin ptima

2.2.1 Solucin ptima mltiple

3 Algoritmo del mtodo Simplex

4 Ejemplo

5 Vase tambin

6 Enlaces externos

Entrada del problema[editar]

Considerar un problema de programacin lineal,
maximizar
sujeto a
El algoritmo smplex requiere que el problema de programacin lineal est en la
forma aumentada de la programacin lineal. El problema puede ser escrito como
sigue, en forma de matriz:
Maximizar

en:

donde x son las variables desde la forma estndar, xs son las

variables de holgura introducidas en el proceso de
aumentacin, c contiene los coeficientes de optimizacin, describe el
sistema de ecuaciones contradas, y Z es la variable a ser
maximizada.
El sistema es tpicamente no determinado, desde que el nmero de
variables excede el nmero de ecuaciones. La diferencia entre el
nmero de variables y el nmero de ecuaciones nos da los grados de
libertad asociados con el problema. Cualquier solucin, ptima o no,
incluir un nmero de variables de valor arbitrario. El algoritmo
smplex usa cero como valor arbitrario, y el nmero de variables con
valor cero es igual a los grados de libertad.

Valores diferentes de cero son llamados variables bsicas, y valores

de cero son llamadas variables no bsicas en el algoritmo smplex.
Esta forma simplifica encontrar la solucin factible bsica inicial, dado
que todas las variables de la forma estndar pueden ser elegidas para
ser no bsicas (cero), mientras que todas las nuevas variables
introducidas en la forma aumentada, son bsicas (diferentes de cero),
dado que su valor puede ser calculado trivialmente (

para

ellas, dado que la matriz problema aumentada en diagonal es su lado

derecho)
En cada una de las desigualdades que se plantean en el modelo
matemtico de programacin lineal, se plantean desigualdades de <,
>, , o =; estas desigualdades se convierten en igualdades
completando con variables de holgura si se trata de menor o igual
que, o menor que; en el caso de que sea mayor o igual que o mayor
que, se completa con variables de excedente, estas con signo
negativo ya que como su nombre lo indica, es una cantidad que esta
de excedente y hay que quitar para convertirla en igualdad; en caso
se maneje el =, se manejan las variables artificiales.

Conceptos bsicos[editar]
Forma estndar
Es la igualacin de las restricciones del modelo planteado, as como el aumento de
variables de holgura, o bien la resta de variables de exceso.

Forma cannica
En el mtodo Simplex es de bastante utilidad la forma cannica, especialmente
para explorar la relacin de dualidad.

Un problema de Programacin Lineal se encuentra en la forma cannica si se

cumplen las siguientes condiciones:
Para el caso de la forma cannica de maximizacin:
- La funcin objetivo debe ser de maximizacin.
- Las restricciones son del tipo .
- Las variables de decisin son mayores o iguales a cero.
Para el caso de la forma cannica de la dieta:
- La funcin objetivo es minimizada.
- Las restricciones son de tipo .
- Las variables de decisin son mayores o iguales a cero.

Modelo
Ampliado[editar]
Cuando se introduce en
cada restriccin una
variable artificial que no
contenga una variable de
holgura.

Ejemplo de un Modelo
de Maximizacin en su
Forma Ampliada

Variables de entrada

Estas suelen
encontrarse en un
criterio que se conoce
como Condicin de
optimalidad, en un
modelo, ya sea de
optimizacin o
minimizacin, y se
refiere a la variable no
bsica en el rengln z
con el coeficiente ms
negativo, si se trata de
una maximizacin, o el
coeficiente ms positivo,
si se trata de una
minimizacin, la cual, en
el la tabla de solucin
anterior, a excepcin de
la primer tabla, esta
variable era una variable
bsica.
'Variables de salida
Esta variable es un
punto extremo que se
encuentra en un criterio
conocido como
Condicin de
factibilidad, en un
modelo, ya sea de
optimizacin o
minimizacin, y se
refiere a la variable
bsica asociada con la
mnima razn no
negativa con el
coeficiente ms
negativo, si se trata de
una maximizacin, o el
coeficiente ms positivo,
si se trata de una

minimizacin, la cual, en
el la tabla de solucin
siguiente, pasar a ser
variable no bsica.

Vari Vari Vari Vari

able able able able
s

s no

de

de

bsi bsi entr sali

cas

cas

ada

da

X3,
A

X4,

X1,

X5,

X2

X1

X2

X2

X3

X6

X4

X3

X1

X4

X2

X6

X3,
B

X4,

X6,

X5,

X2

X1

X2,
C

X4,

X6,

X5,

X3

X1

X2,
D

X6,

X4,

X5,

X3

X1

X2,
E

X6,

X4,

X5,

X1

X3

Variable degenerada

Una variable degenerada

es una variable bsica
que vale 0. Grficamente
esto puede ocurrir
cuando ms de dos
rectas se intersequen en
el mismo punto.
Base
Conjunto de variables
bsicas. En el ejemplo
anterior, la base es {X3,
X4, X5, X6}
Variable no restringida
Variable artificial
Se usa una variable artificial cuando las restricciones son = y y sucede cuando el
origen no se encuentra dentro de la regin factible, tratando de llevar el modelo a
otradimensin en la cual el origen si exista en la regin.
Es aquella que
puede tomar toda
clase de valores
positivos, cero y
negativos puede
escribirse como la
diferencia de dos
variables nonegativas.
Funcin objetivo:
Define la efectividad
del modelo como
funcin de las
variables de
decisin.

Solucin
ptima[editar]

Ejemplo grfico de
la solucin ptima

Siempre est
asociada a un punto
extremo de la regin
factible y satisface
todas las
restricciones si se
evala en ellas as
como es el punto
que en el caso de
maximizacin hace
que el valor de z sea
el mximo (ms
grande) y el caso de
minimizacin sea el
mnimo (ms
pequeo).
Solucin ptima
mltiple[editar]
Existen problemas
lineales que no
tienen una solucin
ptima nica, sino
que al contrario,
tienen un nmero
infinito de
soluciones.Para
detectar una
solucin mltiple en
la tabla ptima, se
deber tener al

menos una variable

con su Zj-Cj=0 no
bsica.

Algoritmo del
mtodo
Simplex[editar]
Este proceso que se
repite una y otra vez,
siempre inicia en un
punto extremo de la
regin factible que
normalmente es el
origen, en cada
iteracin se mueve a
otro punto extremo
adyacente hasta
llegar a la solucin
ptima.
Los pasos del
Mtodo Simplex son
los siguientes:
1. Utilizando la
forma
estndar,
determinar
una solucin
bsica
factible
inicial
igualando a
las n-m
variables
igual a cero
(el origen).
2. Seleccionar
la variable
de entrada

de las
variables no
bsicas que
al
incrementar
su valor
pueda
mejorar el
valor en la
funcin
objetivo.
Cuando no
exista esta
situacin, la
solucin
actual es la
ptima; si
no, ir al
siguiente
paso.
3. Seleccionar
la variable
de salida de
las variables
bsicas
actuales.
4. Determinar
la nueva
solucin al
hacer la
variable de
entrada
bsica y la
variable de
salida no
bsica, ir al
paso 2
(actualizar).

Ejemplo[editar]
Considerando el
problema de
programacin lineal:
Minimiza la siguiente funcin

Sujeta a

Se aaden
las variables
de
holgura s y t,
que se
representan
en la tabla
cannica

donde
las
columna
s5y6
represe
ntan las
variable
s
bsicas
s y t y la
correspo
ndiente
solucin
bsica
posible
es

Las
colu
mna
s 2,
3y
4
pue
den
ser
sele
ccio
nad
as
com
o
colu
mna
s
pivo
tes,
para
este
eje
mpl
o se
sele
ccio
n
la
colu
mna
4.
Los
valo
res
de x
res
ulta
ntes
de

la
elec
cin
de
las
filas
2y
3
com
o
filas
pivo
tes
son
10/1
=1
0y
15/3
=5
resp
ectiv
ame
nte.
De
esto
s el
mni
mo
es
5,
por
lo
que
la
fila
3
ser
a la
fila
pivo
te.

Ope
rand
o
los
pivo
tes
se
prod
uce

A
h
o
r
a
c
o
l
u
m
n
a
s
4
y
5
r
e
p
r
e
s
e

n
t
a
n
l
a
s
v
a
r
i
a
b
l
e
s
b

s
i
c
a
s
z
y
s
y
l
a
s
o
l

u
c
i

p
t
i
m
a
c
o
r
r
e
s
p
o
n
d
i
e
n
t
e
e
s

P
a
r
a
e
l

p
a
s
o
s
i
g
u
i
e
n
t
e
,
n
o
h
a
y
e
n
t
r
a
d
a
s
p
o
s
i
t
i
v
a
s

e
n
l
a
f
i
l
a
o
b
j
e
t
i
v
o
y
d
e
h
e
c
h
o

p
o
r
l
o
q

u
e
e
l
v
a
l
o
r
m

n
i
m
o
d
e
Z
e
s

2
0
.

a
s
e
t
a
m

b
i

n
[
e
d
i
t
a
r
]

G
e
o
r
g
e
D
a
n
t
z
i
g

P
r
o
g
r
a
m
a
c
i

l
i
n
e
a
l

C
o
n
j
e
t
u
r
a
d
e
H
i
r
s
c
h

E
n
l
a
c
e
s
e
x

t
e
r
n
o
s
[
e
d
i
t
a
r
]