Está en la página 1de 2

ESCUELA POLITECNICA NACIONAL

FACULTAD DE INGENIERIA CIVIL


PLANIFICACION DE RECURSOS HIDRICOS
JORGE LUIS CAMPAA
ING. CARLA MANCIATI J.
2014/11/18

METODO SIMPLEX
En el ao 1947 el doctor George Dantzig present el algoritmo que desarroll y
que denomin SIMPLEX. A partir de este logro se pudieron resolver problemas
que por ms de un siglo permanecieron en calidad de estudio e investigacin
con modelos formulados pero no resueltos
El Mtodo Simplex es un mtodo analtico de solucin de problemas
de programacin lineal capaz de resolver modelos ms complejos que los
resueltos mediante el mtodo grfico sin restriccin en el nmero de variables,
este mtodo es iterativo que permite ir mejorando la solucin a cada paso. El
proceso concluye cuando no es posible seguir mejorando ms dicha solucin
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo
consiste en buscar sucesivamente otro vrtice que mejore al anterior. La
bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del
poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de
aristas) es finito, siempre se podr encontrar la solucin
Es necesario tener en cuenta que el mtodo Simplex nicamente trabaja con
restricciones del problema cuyas inecuaciones sean del tipo "" (menor o igual) y
sus coeficientes independientes sean mayores o iguales a 0. Por tanto habr que
estandarizar las restricciones para que cumplan estos requisitos antes de iniciar el
algoritmo del Simplex. En caso de que despus de ste proceso aparezcan
restricciones del tipo "" (mayor o igual) o "=" (igualdad), o no se puedan cambiar,
ser necesario emplear otros mtodos de resolucin, siendo el ms comn el
mtodo de las Dos Fases.
Objetivo: consiste en maximizar o minimizar el valor de la funcin objetivo (por
ejemplo, incrementar ganancias o reducir prdidas), optimizar el valor de la
funcin objetivo.

Identificando casos anmalos y soluciones


Solucin ptima: cuando se cumple la condicin de parada y no hay variables
artificiales en la base con valor positivo (los valores se indican en la columna P0), se
ha conseguido la optimizacin. El valor Z0 actual es la solucin ptima del problema,
cumplindose para las variables que se encuentran en la base. Si se trata de un
problema de minimizacin, el valor ptimo obtenido se multiplicar por "-1".
Infinitas soluciones: cumplida la condicin de parada, si alguna variable de
decisin no bsica tiene un valor 0 en la fila Z, significa que existe otra solucin que
aporta el mismo valor ptimo para la funcin objetivo. Es este caso el problema
admite infinitas soluciones, estando todas ellas comprendidas dentro del segmento (o
porcin del plano, regin del espacio, etc. dependiendo del nmero de variables del
problema) definido por AX1 + BX2 = Z0. Mediante una nueva iteracin y haciendo
que la variable de decisin que tiene el 0 en la fila Z entre en la base se obtendr otra
solucin diferente para el mismo valor ptimo.
Solucin ilimitada (no acotada): si toda la columna de la variable que entra a la
base tiene todos sus elementos negativos o nulos se trata de problema no acotado, es
decir, que tiene solucin ilimitada. No hay valor ptimo concreto para la funcin
objetivo sino que a medida que se aumenta el valor de las variables tambin se
incrementa el valor Z sin violar ninguna restriccin.
No existe solucin: cuando ningn punto satisface todas las restricciones del
problema se produce la infactibilidad no existiendo ninguna solucin posible para l.
En este caso, una vez terminadas todas las iteraciones del algoritmo, existen en la
base variables artificiales cuyo valor es superior a cero

Comentario: Este mtodo resuelve no tiene restriccin en el nmero de variables y


resuelve planteamientos ms complejos que el mtodo grafico que observamos en clase
pero se lo debe resolver mediante interacciones lo que puede llevar un poco de tiempo
adicional.