Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El Metodo Simplex PDF
El Metodo Simplex PDF
EL MTODO DEL
SIMPLEX
2. Si un P.L. tiene una solucin ptima y finita, sta estar en un vrtice del
poliedro convexo que representa al problema de P.L.
Max( z ) c1 x1 c2 x2 ... cn xn
x j t 0
1
Vid. Dantzig (1963).
y escoger el mejor. Para ilustrar esta idea empezaremos planteando un problema de P.L.
en su forma cannica2 . A continuacin ilustramos esta idea mediante un ejemplo.
n
Max( z) c x
j 1
j j
sujeto a:
n
a x ij j d bi i ^1,..., m`
j 1
xj t 0 j ^1,..., n`
n
Max( z) c x
j 1
j j
sujeto a:
n
a x ij j si bi i ^1,..., m`
j 1
xj t 0 j ^1,..., n`
si t 0 i ^1,..., m`
m n m n !
[1]
m m! m n m!
La cantidad m + n refleja el nmero de variables originales (n) ms las variables
de holgura (una para cada ecuacin, en total m). Las posibles soluciones sern tantas
como combinaciones de m + n variables tomadas en bloques de m. Cada bloque de m
variables con m restricciones dar lugar a la solucin exacta de un sistema de
ecuaciones de dimensin m x m.
El ejemplo del captulo anterior nos ilustra sobre todos los vrtices del
mencionado problema. Recordemos que este problema era:
2
La forma cannica de un problema de P.L. es aquella que consiste en una funcin objetivo de
maximizar, todas las restricciones menores o iguales que el lado derecho y todas las variables no
negativas.
EI nmero de vrtices del sistema es, de acuerdo con [1]:
2 2 4!
6
2 2!2!
que se corresponde con las seis soluciones bsicas del sistema de ecuaciones:
x1 x2 s1 80
0,8 x1 2 x2 s2 124
A) Haciendo s2 = 0 y x1 = 0 se obtiene:
x2 s1 80
2 x2 124
B) Haciendo s1 = 0 y x1 = 0 se obtiene:
x2 80
2 x2 s2 124
C) Haciendo x1 = 0 y x2 = 0 se obtiene:
s1 80
s2 124
D) Haciendo s2 = 0 y x2 = 0 se obtiene:
x1 s1 80
0,8 x1 124
E) Haciendo x2 = 0 y s1 = 0 se obtiene:
x1 80
0,8 x1 s2 124
cuya solucin es x1 = 80 y s2 = 60.
F) Haciendo s1 = 0 y s2 = 0 se obtiene:
x1 x2 80
0,8 x1 2 x2 124
Las seis soluciones indicadas corresponden a los vrtices de la figura 4.1. De las
seis soluciones, la B y la D no son factibles, ya que tienen alguna variable con un valor
negativo. La solucin F es ptima, ya que ninguna de las otras soluciones factibles tiene
asociado un valor mejor de la funcin objetivo.
50 70 50 70!
1,83617 E 34 vrtices.
50 50!* 50 70 50 !
a x ij j si bi i ^1,..., m`
j 1
xj t 0 j ^1,..., n`
Se dice que una solucin bsica es aquella que tiene al menos n-m componentes
nulos o variables no bsicas a las que llamamos xN. Las m variables restantes se
denominan variables bsicas y las denominamos xB. Formalmente, a partir del sistema:
B
Ax = b
se dice que xB es una solucin bsica del mismo si puede realizarse la particin:
A = >B | N@
x = > xB | xN @
xB
Ax = b >B | N@ =BxB +NxN =b
xN
y si xN = 0, entonces
B-1 BxB =B-1b
xB =B-1b
a) Solucin bsica factible (SBF). Todas las variables bsicas son mayores o
iguales que cero.
Puede demostrarse que cada SBF representa un vrtice del conjunto factible. Sin
embargo, un vrtice puede ser representado por ms de una SBF, si la solucin es
degenerada.
c) Concluir que el problema es no factible, esto es, que no existe ninguna solucin
que satisfaga simultneamente todas las restricciones del problema.
Sea un P.L. en el que todas las restricciones han sido reducidas a igualdades
mediante las transformaciones adecuadas:
Max( z ) c7 x
sujeto a:
Ax = b
xd0
se obtiene:
xB = B - 1b-B - 1 NxN (4.3.)
y sustituyendo xB en (4.1.)
B
donde:
x Si una variable no bsica que tenga asociado un coste reducido positivo entrara
en la base (esto es, si tomara un valor positivo), el valor de la funci6n objetivo
aumentara en c j - z j por cada unidad de x j .
x Si una variable no bsica que tenga asociado un coste reducido negativo entrara
en la base, el valor de la funcin objetivo disminuira c j - z j por cada unidad
de x j .
x Si una variable no bsica que tenga asociado un coste reducido nulo entraran en
la base, el valor de la funcin objetivo permanecera inalterado.
Dado que el nmero de vrtices del poliedro factible es finito, puede asegurarse
que, en ausencia de degeneracin, el mtodo Simplex alcanza la conclusin de
optimalidad o la de no acotamiento en un nmero finito de iteraciones. En concreto, se
habr alcanzado un ptimo cuando no sea posible mejorar el valor de la funcin
objetivo cambiando las variables que estn en la base. Esto es, cuando en un problema
de maximizacin:
j V N : c j - z j d 0
Es concebible, por tanto en teora, una situacin en la que, a partir de una base
determinada, se realice una sucesin infinita de pivoteos degenerados (ciclado). Esta
situacin se puede resolver fcilmente mediante un procedimiento que, sin embargo no
desarrollaremos por estar fuera del objetivo de este libro.
k ArgMax ^c j z j | c j z j ! 0`
esto es, se introduce en la base la variable que tenga el mayor coste reducido positivo o,
lo que es lo mismo, aquella que ms rpidamente mejora el valor de la funcin objetivo.
Anlogamente, el criterio de entrada en el caso de minimizacin es introducir la variable
xk tal que:
k ArgMin ^c j z j | c j z j 0`
3
La funcin ArgMax significa el nmero subndice que hace mxima la condicin que aparece entre {}.
siendo ak la k-sima columna de la matriz N. Esta expresin proporciona un sistema de
m ecuaciones de la forma:
siendo xBi0 la i-sima componente del vector xBi0 = B-1b e yik la k-sima componente
del vector yk . Esta expresin refleja el efecto sobre la variable bsica xBi del
crecimiento de xk debido a la necesidad de mantener las condiciones de factibilidad
Ax = b . En concreto:
Por tanto, a medida que xk crece, todas las variables que tengan un factor yik ,
positivo disminuirn. Llegar un momento en que alguna de estas variables valdr cero
y, por tanto, no podr aumentarse ms el valor de xk sin violar las condiciones de no
negatividad. En este momento, el crecimiento de la variable entrante quedar
bloqueado. Ahora bien, xBi 0 slo si:
xBi0
xk
yik
a) yrk ! 0
xBi0 x0
b) d Bi i VB | yik ! 0
yrk yik
0
xBr
xk
yrk
que es el mximo valor que puede tomar xk sin que ninguna variable bsica se anule.
La variable r pasa a ser no bsica y se inicia de nuevo el proceso. Estos cambios pueden
tabularse de la forma que se muestra en la tabla 4.1.
z z0 z z 0 ck zk xk
xj 0 j VN | j z k xj 0 j VN | j z k
xk 0 xk xr0 | yrk
xr xr0 xr 0
b) Regla de entrada en la base. La variable que entra en la base debe ser aquella
que tenga el mayor coste reducido positivo en el caso de maximizacin (o mayor
coste reducido negativo, en el caso de minimizacin), ya que sta es la que
aumenta (disminuye) ms rpidamente el valor de la funcin objetivo.
Supongamos que la variable entrante es la k-sima.
COMI ENZO
Exis te alguna
FIN I nfactible No SBF?
Si
Si
Y
Existe algn ik positivo
FIN No acotado No (Maximizacin) o negativo (M inimizacin)?
Si
Max(z)
sujeto a:
z - cB xB - cN x N = 0 (4.4.)
xB + B -1 Nx N = B -1 b (4.5.)
xt0
-1
Por definicin, z = cB B b , luego:
Las operaciones anteriores pueden ordenarse en una tabla, a la que llamaremos tableau
de la siguiente forma:
cj cB cN
B cB
xB xN
xB cB B -1b I B -1 N
zj cB cB B -1 N
cj -zj 0 cN -cB B -1 N
donde:
Esta tabla contiene todos los elementos necesarios para aplicar el mtodo
Simplex. Adems, forma un sistema de ecuaciones y, por consiguiente,
pueden aplicrsele una serie de transformaciones elementales, que no
cambian su solucin. Esto es:
Esta operatoria no altera el contenido del sistema, ya que se limita a aplicar a las
distintas ecuaciones una sucesin de transformaciones elementales (multiplicar una
ecuacin por un elemento y sumar o restar dos ecuaciones). A lo largo de los sucesivos
pivoteos, lo nico que se cambia es la base considerada, y este cambio se realiza de
forma que la solucin nunca empeora. En el caso no degenerado, la solucin obtenida
tras un pivoteo siempre es mejor que la solucin correspondiente a la base anterior.
A lo largo de1 proceso iterativo es posible reconocer todos los casos que pueden
darse en la resolucin de un P.L.:
s1 0s2 80
0s1 s2 124
cj 100 200 0 0
xB B cB B E x1 x2 s1 s2 RATIOS
s1 0 80 1 1 1 0 80
s2 0 124 0,8 2 0 1 62
zj 0 0 0 0
cj-zj 100 200 0 0
-1
de s1 y s2). Asimismo, la ltima fila contiene el vector cN -cB B N (los costes
-1
reducidos). El valor de la funcin objetivo cB B b no se calcula hasta el final del
proceso iterativo.
z4 = 0*0 + 0*1 = 0 c3 z3 = 0 0 = 0
c4 z4 = 0 0 = 0
PASO 2. Test de optimalidad. Los costes reducidos de las variables (no bsicas)
x1 y x2 son positivos. Luego no estamos en el ptimo y debe aplicarse la regla de entrada
en la base.
xB0i
yik
80 124
para todos los yik ! 0 . En la solucin inicial estos ratios son 80; 62 . El
1 2
mnimo es 62 y, por tanto, sale de la base la variable s2. La prxima Base est formada,
por lo tanto, por las variables (s1, x2). En el tableau iteracin 0 se ha marcado el pivote
( yrk 2 ) en la celda sombreada.
3. Se recalcula zj y los costes reducidos (cj zj) de forma anloga a como hicimos
en la iteracin inicial.
c4 z4 = 0 100 = -100
c1 z1 = 100 80 = 20
La solucin grfica correspondiente a la iteracin 1 est sealada con una cruz
en la figura 4.4. como puede verse, nos hemos desplazado del vrtice x1 = 0 ; x2
= 0 a otro adyacente cuya solucin es x2 = 62 ; x1 = 0.
Esto es, nos hemos desplazado al vrtice adyacente que tena mayor ganancia a
partir de la solucin inicial.
cj 100 200 0 0
xB cB E x1 x2 s1 s2 RATIOS
s1 0 18 0,6 0 1 -1/2 30
x2 200 62 0,4 1 0 1/2 155
zj 80 200 0 100
cj-zj 20 0 0 -100