Está en la página 1de 33

CICLO 2015-I Mdulo:2

Unidad: 3

Semana: 4

INVESTIGACION OPERATIVA
Lic. Mximo Tejero Alegre

MTODO SIMPLEX
Variable de Holgura y Exceso

ORIENTACIONES
Cuando Usted estudie; contraste y relacione
la informacin recin adquirida con su
conocimiento y experiencia anterior. Para
ello es til que revise los resmenes,
esquemas, cuadros comparativos o mapas
conceptuales elaborados previamente en su
texto.
Recuerde que la Investigacin Operativa se
aprende practicando, utilice un block para
repetir los ejercicios.
3

Objetivos de la Unidad
Saber encontrar esa solucin ptima.
Usar el algoritmo del mtodo simplex
para resolver problemas de P.L.
Aprender a solucionar problemas de real
importancia industrial, mediante el
mtodo formal analtico Simplex
.
4

Ejercicio 1. Fresh Dairy Faros tiene dos mquinas distintas para procesar
leche pura y producir leche descremada, mantequilla o queso. La
cantidad de tiempo requerido en cada mquina para producir cada unidad
de producto resultante y las ganancias netas se proporciona en la
siguiente tabla:
LECHE

MANTEQUILL

DESCREMADA

QUESO

Mquina 1 0.2 min/gal

0.5min/lb

1.5min/lb

Mquina2

0.3min/gal

0.7min/lb

1.2min/lb

Ganancia

$0.22/gal

$0.38/lb

$0.72/lb

neta

Suponiendo que se dispone de 8 horas en cada mquina diariamente,


como gerente del departamento de produccin, formule un modelo para
determinar un plan de produccin diaria que maximice las ganancias
corporativas netas y produzca un mnimo de 300 galones de leche
descremada, 200 libras de mantequilla 100 libras de queso.

Solucin 1. Pasos para la Formulacin


LECHE
DESCREMADA

MANTEQUILLA

QUESO

Mquina 1

0.2 min/gal

0.5min/lb

1.5min/lb

Mquina2

0.3min/gal

0.7min/lb

1.2min/lb

Requerimiento

Mnimo

Mnimo

Ganancia

$0.22/gal

8 hrs
8 hrs

480 min.
480 min.

300 glns
200 lbrs

Mnimo

Disponibili
dad

$0.38/lb

100 lbrs

$0.72/lb

Variables X1 = Cantidad de glns de leche descremada a producir


X2 = Cantidad de lbrs a producir de mantequilla
X3 = Cantidad de lbrs de queso a producir
Funcin objetivo
Max Z = 0.22 X1 + 0.38 X2 + 0.72 X3

Restricciones 0.2 X1 + 0.5 X2 + 1.5 X3 <= 480 tpo. Disponible maq.1


0.3 X1 + 0.7 X2 + 1.2 X3 <= 480 tpo. Disponible maq. 2
X1 > = 300
Requerimiento mnimo de leche descremada
X2 > = 200
Requerimiento mnimo de lbrs de mantequilla
X3 > = 100
Requerimiento mnimo de lbrs de queso
Condicin de no negatividad

X1 >= 0 , X2 >= 0 , X3 >= 0


6

Ejercicio 2. Se hace un pedido a una papelera de 800 rollos de papel


corrugado de 30 pulgadas de ancho, 500 rollos de 45 pulgadas de
ancho y 1,000 de 56 pulgadas. Si la papelera tiene solamente rollos
de 108 pulgadas de ancho, cmo deben cortarse los rollos para surtir
el pedido con el mnimo desperdicio de papel?

Alternativa 1
Alternativa 2
Alternativa 3

Alternativa 4
Alternativa 5

30 pulg.
18

45 pulg

56 pulg

18
52

30 pulg.
22

45 pulg
7

56 pulg

Disponibilidad
rollos de 108"
266.6666667 rollos de 108"
250
rollos de 108"
1000
rollos de 108"

Disponibilidad
rollos de 52"
800
rollos de 52"
500
rollos de 52"

30 pulg.
Alternativa 6

63

30 pulg.
Alternativa 8

Alternativa 11

45 pulg

56 pulg

30 pulg.

Alternativa 10

56 pulg

48

Alternativa 7

Alternativa 9

45 pulg

45 pulg

Disponibilidad
rollos de 108"
400

rollos de 108"

500

rollos de 108"

Disponibilidad
rollos de 48"
500

56 pulg

18
7

rollos de 48"

Disponibilidad
rollos de 63"
400

rollos de 63"

500

rollos de 63"

1000

rollos de 63"

30 pulg.
Alternativa 12

45 pulg

78

30 pulg.
Alternativa 13

800

45 pulg

56 pulg

33

Alternativa 14

30 pulg.
Alternativa 15

56 pulg

Disponibilidad
rollos de 108"

45 pulg

rollos de 108"

Disponibilidad
rollos de 78"
500

rollos de 78"

22

1000

rollos de 78"

56 pulg

Disponibilidad
rollos de 33"
800

rollos de 33"

Tenemos que: Desarrollar el Modelo Matemtico de


Programacin Lineal:
1. Definir las variables
2. Definir la funcin objetivo
3. Definir las restricciones
9

Variables

Restricciones
x1 Cantidad de papel corrugado de 3 * 30" a cortar de rollos de 108"
x2 Cantidad de papel corrugado de 2 * 45" a cortar de rollos de 108"
x3 Cantidad de papel corrugado de 56" a cortar de rollos de 108"
x4 Cantidad de papel corrugado de 2 * 30" a cortar de rollos de 108"
x5 Cantidad de papel corrugado de 30" a cortar de rollos de 52"
x6 Cantidad de papel corrugado de 45" a cortar de rollos de 52"
x7 Cantidad de papel corrugado de 1 * 30" a cortar de rollos de 108"
x8 Cantidad de papel corrugado de 30" a cortar de rollos de 48"
x9 Cantidad de papel corrugado de 45" a cortar de rollos de 48"
x10 Cantidad de papel corrugado de 1 * 30" a cortar de rollos de 63"
x11 Cantidad de papel corrugado de 2 * 30" a cortar de rollos de 63"
x12 Cantidad de papel corrugado de 45" a cortar de rollos de 63"
x13 Cantidad de papel corrugado de 1 * 30" a cortar de rollos de 78"
x14 Cantidad de papel corrugado de 2 * 30" a cortar de rollos de 78"
x15 Cantidad de papel corrugado de 45" a cortar de rollos de 78"
x16 Cantidad de papel corrugado de 56" a cortar de rollos de 78"
x17 Cantidad de papel corrugado de 1 * 30" a cortar de rollos de 33"

Funcin objetivo

<=
<=
<=
<=
<=
<=
<=
<=
<=
<=
<=
<=
<=
<=
<=
<=
<=

266 rollos se 108"


250 rollos se 108"
1000 rollos se 108"
400 rollos se 108"
800 rollos se 52"
500 rollos se 52"
800 rollos se 108"
800 rollos se 48"
500 rollos se 48"
800 rollos se 63"
400 rollos se 63"
500 rollos se 63"
800 rollos se 78"
400 rollos se 78"
500 rollos se 78"
1000 rollos se 78"
800 rollos se 33"

MIN Z = X1 + X2 + . X15 + X16 + X17

Condicin de no negatividad

X1 + X2 + . X15 + X16 + X17

METODO SIMPLEX

10

Mtodo Simplex
Es un mtodo algebraico general, que puede utilizarse para resolver
problemas de P.L. con un nmero muy grande de restricciones y
variables.
Llega a la solucin optima por medio de iteraciones a pasos
sucesivos. Este mtodo es un algoritmo o conjunto de instrucciones,
con el cual se examinan los puntos en las esquinas de una manera
metdica hasta conseguir la mejor solucin: la mayor utilidad o el
menor costo.
Cul es la idea?
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 aristas del poliedro. La bsqueda contina
hasta que la funcin objetivo ya no admita mejoramiento.
Se basa en la propiedad: si la funcin objetivo, f, no toma su valor
mximo en el vrtice A, entonces hay una arista que parte de A, a
los largo de la cual f aumenta
11

Programacin lineal Mtodo Simplex


Soluciones

Teorema bsico:
Si existe una solucin del problema lineal, existe un
vrtice solucin
Importancia de los vrtices:
Basta con buscar soluciones en vrtices (nmero finito)
Mtodo Simplex:
Probar vrtices eficientemente hasta encontrar la
solucin
12

Metodologa del Mtodo Simplex


Requisitos
1. Todas las restricciones deben formularse como ecuaciones.
2. La constante del miembro derecho no puede ser negativa para
una restriccin.
3. Todas las variables estn restringidas a valores no negativos.
Variable de holgura y de exceso
Se llama de holgura a aquella que se le suma al miembro de la inecuacin
para compensar al otro miembro.
De exceso, aquella que se le resta a un miembro de la ecuacin para
compensar al otro.
Variable artificial
Para resolver algunos problemas usando el mtodo simplex, es necesario
formar una base matriz, entonces se le agrega una variable artificial y1
siendo su valor 0.

13

a x
ij

bi

j 1

a x
ij

a x

j 1

bi

a x
ij

j 1

xn 1 bi xn 1 Variable de
holgura

j 1

ij

xn 1 bi xn 1 Variable de
exceso

Ejemplo 1: x3 y x4 Son variables de holgura max Z = x1 + x2 + 0x3 + 0x4


sujeto a x1 + 2x2 4 entonces x1 + 2x2 + x3 = 4
sujeto a 3x1 + 2x2 2 entonces 3x1 + 2x2 + x4 = 2
Ejemplo 2: x3 y x4 Son variables de exceso, y1 y y2 son variables artificiales
min Z = 2x1 x2 + 0x3 + 0x4 + y1 + y2
sujeto a x1 + 2x2 5 entonces x1 + 2x2 x3 + y1 = 5
sujeto a 3x1 + 2x2 2 entonces 3x1 + 2x2 x4 + y2 = 2
Ejemplo 3:

x3 y x4 Son variables de exceso, y1 y y2 son variables artificiales


max Z = 5x1 + 3x2 My1 My2
sujeto a x1 + 2x2 = 2 entonces x1 + 2x2 + y1 = 2
sujeto a 3x1 + 2x2 = 4 entonces 3x1 + 2x2 + y2 = 4
14

Soluciones factibles y bsicas


Etapa de Iteraciones Estndar
En esta etapa los coeficientes de la funcin de costo se
transforman en no positivos y el valor de la funcin de costo se
mejora iterativamente, hasta obtener la solucin ptima, se
detecta solucin no factible, o solucin no acotada. En este
proceso iterativo se obtienen diferentes soluciones factibles.
Para este fin se utiliza la llamada transformacin elemental de
pivotaje.
Fase de Iniciacin: Una de las peculiaridades del Mtodo Simplex
consiste en incorporar una nueva variable Z, igual a la funcin
objetivo del problema, y la restriccin asociada.

En un PL con m ecuaciones y n incgnitas. Nos referimos a las


n-m variables que se hacen cero como variables no bsicas
(externas), y a las m variables restantes como variables bsicas
(siempre que exista una solucin nica).
Se dice que una solucin bsica es factible si todos los valores
de su solucin son no negativos.
15

lgebra del Mtodo Simplex


Ejemplo: Max Z = f (x,y) = 3x + 2y
2x + y 18
2x + 3y 42
3x + y 24

Sujeto a:

x0,y0

1. Convertir las desigualdades en igualdades


Sujeto a:
2x + y + h = 18
2. Igualamos la f a cero
2x + 3y + s = 42
3x + y + d = 24
3x 2y + Z = 0

3. Escribir la tabla iteracin inicial simplex


Variab decisin

Variable de holgura

Base

ValorSoluc

18

42

24

Columna pivote

18/2 = 9
42/2 = 21
24/3 = 8

Fila pivote

4. Encontrar variable decisin que entra y


16
variable holgura que sale

5. Escribir la tabla iteracin inicial simplex


Variab decisin

Variable de holgura

Base

ValorSoluc

2
0

18

2
0

42

3
1

1/3
1

1/3
1

24
8

03

Variab decisin

Variable de holgura

Base

ValorSoluc

18

7/3
3

-2/3
0

42
26

Nueva fila de S

1/3

1/3

24
8

Nueva fila pivote

03

42

Vieja fila s

-2

-2/3

-2/3

-16

Nueva fila pivote*-2

Sumamos

Obtenemos nueva fila S

Variab decisin

Variable de holgura

Base

ValorSoluc

1/3
1

-2/3
0

18
2

Nueva fila h

7/3
3

-2/3
0

42
26

Nueva fila de S

1/3

1/3

24
8

Nueva fila pivote

03

1
2

0
1

24
0

18

Vieja fila h

-2

-2/3

-2/3

-16

Nueva fila pivote*-2

Sumamos

Obtenemos nueva fila h


Z

-3

Vieja fila Z

3/3

3/3

24

Nueva fila pivote*+3

Sumamos

Obtenemos nueva fila Z


24

COLUMNA PIVOTE

Variab decisin

Variable de holgura

Base

ValorSoluc

1/3
1

-2/3
0

18
2

7/3
3

1/3
1

-2/3
0

42
26

1/3

1/3

24
8

03

1
2

0
1

24
0

Variab decisin

2 / 1/3 = 6
26 / 7/3 = 78/ 7
8/ 1/3 = 24

Variable de holgura

Base

ValorSoluc

h
y

1/3
1

1
3

-2/3
0
-2

18
2
6

7/3
3
0

1/3
1

-2/3
0

42
26

1/3
0

1/3

24
8

03

01
2

0
1

24
0

2 / 1/3 = 6
Fila pivote

Se sigue operando en forma anloga a la anterior


Si en los ltimos elementos de la fila hay uno negativo, significa
que no hemos llegado todava a la solucin ptima.
Hay que repetir el proceso

CONCEPTOS BASICOS
Algoritmo Simplex
Iteraccin
Prueba de optimalidad
Forma estndar
Variable de holgura
Variable de supervit
Variable no bsica
Variable bsica
Solucin bsica
Solucin factible bsica

20

Ejemplo.- Una empresa que produce banjos, guitarras y mandolinas utiliza


madera, mano de obra y metal. Las cantidades de estos imputs precisas para
realizar una unidad de cada instrumento musical se muestran en la siguiente
tabla.
Banjo

Guitarra Mandolina

Madera

Mano de obra

Metal

La empresa dispone de 50 unidades de madera, 60 unidades de trabajo y 55


unidades de metal y vende los banjos a 200 u.m., las guitarras a 175 u.m. y
las mandolinas a 125.um Encontrar la produccin que maximiza el ingreso.
Variables de decisin

Funcin Objetivo:
Restricciones:

X1 = El nmero de banjos a producir


X2 = El nmero de guitarras a producir
X3 = El nmero de mandolinas a producir
Max Z = 200x1 + 175 x2 + 125x3
1x1 2 x2 1x3 50
1x1 2 x2 2 x3 60
1x1 1x2 1x3 55
xi 0, i 1, 2,3

Disponibilidad de madera
Disponibilidad de trabajo
Disponibilidad de metal

Condicin de no negatividad

21

Para Estandarizar el modelo introducimos variables de holgura x4 , x5 , x6


respectivamente. Sin embargo, para que no alteren dicha funcin objetivo,
estas incgnitas debern figurar con coeficiente cero es decir:

Funcin objetivo
s.a.

MaxZ 200x1 175x2 125x3 0x4 0x5 0x6


1x1 2 x2 13x3 x4 50
1x1 2 x2 2 x3 x5 60
1x1 1x2 1x3 x6 55
xi 0, i 1, 2,3...,6

Definimos variables bsicas y no bsicas


Variables no bsicas
Variables bsicas

x1 0

x4 50

x2 0

x5 60

x3 0

x6 55

z0

22

1x1 2 x2 13x3 x4 50
1x1 2 x2 2 x3 x5 60
1x1 1x2 1x3 x6 55
xi 0, i 1, 2,3..., 6

Vamos a confeccionar el tablero Simplex

MaxZ 200x1 175x2 125x3 0x4 0x5 0x6


Variable que ingresa

Elemento pivote

Variable
que sale

50

50/1=50

60

60/1=60

55

55/1=55

-200

-175

-125

Indicador ms negativo
23

1x1 2 x2 3
1x3 x4 50
1x1 2 x2 2 x3 x5 60
1x1 1x2 1x3 x6 55
x 0, i 1, 2,3..., 6
b i

Vamos a confeccionar el tablero Simplex

MaxZ 200x1 175x2 125x3 0x4 0x5 0x6

50

60
55

-200 -175 -125

Fila x4 (por -1) +


Fila x5

Fila x4 (por -1) +


Fila x6

50/1=50
60/1=60
55/1=55

-1
1

-2
2

-1
2

-1
0

0
1

0
0

0
0

-50
60

-1

10

-1
1

-2
1

-1
1

-1
0

0
0

0
1

0
0

-50
55

-1

-1

5
24

50

0
0

1
0

0
1

60
55

-200 -175 -125

Fila x4 (por +200) + 200 400 200 200 0


-200 -175 -125 0
0
Fila Z
225 75 200 0
0

z
4

0
0

0
1

10000
0

10000

50

-1

10

-1

-1

225 75 200 0

1 10,000

25

Indicadores
positivos
fin
del proceso

5
6

Las variables bsicas son:

1
0
0
0

2
1
1
0
1 -1
-1
0 -1
225 75 200

1
5
6

= 50
= 10
=5

0
1
0
0

0
0
1
0

0 50
0 10
0 5
1 10,000

Las variables no bsicas


son:

La respuesta la damos en funcin a las variables de decisin.


Plan de produccin:

1
2
3

= 50 Banjos
= 0 Guitarras
= 0 Mandolinas

Max Z = 200 (50) + 175 (0) + 125 (0) = 10 000


26

2
3
4

=0
=0
=0

Ejemplo
Una compaa fabrica tres tipos de muebles para patio: sillas, mecedoras y
tumbonas. Cada uno requiere madera, plstico, y aluminio como se indica en
la siguiente tabla.
La compaa tiene disponibles 400 unidades de madera, 600 unidades de
plstico y 1500 unidades de aluminio. Cada silla, mecedora y tumbona se
venden en $6, $8 y $12 respectivamente. Suponiendo que todos los muebles
pueden ser vendidos, Cul es el ingreso mximo total que puede ser
obtenido? Determinar las posibles rdenes de produccin que generarn ese
ingreso.

Solucin
Funcin objetivo f .o. MaxZ = 6x1 +8x2 +12x3
Variables de decisin:
Sea
X1 : El numero de sillas a producir.
X2 : El numero de mecedoras a producir.
X3 : El numero de tumbonas a producir.

Para estandarizar el modelo introducimos variables de holgura: x4 , x5 ,


x6 respectivamente. Sin embargo, para que no alteren dicha funcin
objetivo, estas incgnitas debern figurar con coeficiente cero, es decir:

Definimos variables bsicas y no bsicas

Confeccionar el
tablero Simplex

MATRIZ INICIAL

ITERACCION

ITERACCION

ITERACCION

x1

x2

x3

x4

x5

x6

x4

400

400/1= 400

x5

600

600/2 = 300

x6

1500

1500/5 = 3003

-6

-8

-12

x4

1/2

1/2

-1/2

100

x3

1/2

1/2

1/2

300

x6

-1/2

1/2

-5/2

-2

3600

x4

-1

100

100/2= 50

x3

-1

-1

300

300/3 = 100

x2

-1

-5

-2

-4

3600

x5

1/2

1/2

-1/2

50

x3

-1/2

-3/2

150

x2

3/2

5/2

-1/2

250

3800

1/2

100/1/2= 50
300/1/2 = 150
*12
* -1
*-5
0/1/2 = 0

*0/-5
-1/2= 0
*2

*4

Indicadores positivos fin del proceso.


Variables bsicas

=50

=150

=250

Variables no bsicas

Variables de decisin:
X1 : El numero de sillas a producir. = 0
X2 : El numero de mecedoras a producir. = 250
X3 : El numero de tumbonas a producir. = 150

=0
=0
=0
1

Hacemos ingresar
no bsica que
1
tiene indicador igual a cero.

z
6

1/2

1/2

1 -1/2 0

50

-1/2

0 -3/2

0 1/2 0

150

3/2

5/2

0 -1/2 0

250

3800

1 -1

100

-1

1/2

200

3/2

100

3800

Para ver si tiene solucin mltiple bastar


observar si existe un indicador igual a cero
de una variable no bsica, la cual sugiere la
posibilidad de solucin mltiple. Por ejemplo,
1
es no bsica y su indicador en la tabla final
es igual a cero.

f .o. MaxZ 6x1 8x2 12x3 0x4 0x5 0x6

x1
x2
x3

: 0 sillas a producir
: 250 mecedoras a producir
: 150 tumbonas a producir

Z ptimo =3800

Para resolver problemas de Optimizacin


www.lindo.com
Descarga la versin de prueba o demostracin gratuita LINGO

Graficador Programacin Lineal


http://www.zweigmedia.com/MundoReal/LPGrapher/lpg.html

Programa para Resolver problemas de Programacin Lineal


Usando el Algoritmo Simplex
http://soft.arquimedex.com/programacion_lineal.php

31

Software
SOFTWARE PARA LA SOLUCION DE
PROBLEMAS DE IO (a entregar a los
participantes)
WinQSB y su manual de usuario.
LINDO y su manual
LINGO y su manual
LPSOLVE y su manual
Ejemplos resuelto en EXCEL con
SOLVE.
OTROS
El CD del libro LIEBERMAN

Donde quiera que usted vea un negocio exitoso,


alguien ha tomado una decisin valiente.
SEAMOS DUEOS DE NUESTRO PROPIO DESTINO

GRACIAS

33