METODO SIMPLEX Y DE LA GRAN M

El mtodo Simplex es un procedimiento iterativo que permite mejorar la

solucin de la funcin objetivo en cada paso. El proceso concluye cuando no es
posible continuar mejorando dicho valor, es decir, se ha alcanzado la solucin
ptima (el mayor o menor valor posible, segn el caso, para el que se
satisfacen todas las restricciones).
Partiendo del valor de la funcin objetivo en un punto cualquiera, el
procedimiento consiste en buscar otro punto que mejore el valor anterior.
Ser 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 este
proceso aparezcan restricciones del tipo "" (mayor o igual) o "=" (igualdad), o
no se puedan cambiar, ser necesario emplear otros mtodos de resolucin,
como el mtodo de la gran M.

Preparando el modelo para adaptarlo al mtodo Simplex

El modelo debe cumplir las siguientes condiciones:
1. El objetivo consistir en maximizar o minimizar el valor de la funcin
objetivo (por ejemplo, incrementar ganancias o reducir prdidas,
respectivamente).
2. Todas las restricciones deben ser ecuaciones de igualdad (identidades
matemticas).
3. Todas las variables (xi) deben tener valor positivo o nulo (condicin de
no negatividad).
4. Los trminos independientes (bi) de cada ecuacin deben ser no
negativos.
Hay que adaptar el problema modelado a la forma estndar para poder aplicar
el algoritmo del Simplex.

Tipo de optimizacin
Como se ha comentado, el objetivo del mtodo consistir en optimizar el
valor de la funcin objetivo. Sin embargo, se presentan dos opciones:
obtener el valor ptimo mayor (maximizar) u obtener el valor ptimo
menor (minimizar).
Adems, existen diferencias en el algoritmo entre el objetivo de
maximizacin y el de minimizacin en cuanto al criterio de condicin de
parada para finalizar las iteraciones y a las condiciones de entrada y
salida de la base. As:
Objetivo de maximizacin
Condicin de parada: cuando en la fila Z no aparece ningn valor negativo.

Condicin de entrada a la base: el menor valor negativo en la fila Z (o el de mayor valor

absoluto entre los negativos) indica la variable Pj que entra a la base.

Condicin de salida de la base: una vez obtenida la variable entrante, la variable que sale se
determina mediante el menor cociente P0/Pj de los estrictamente positivos.

Objetivo de minimizacin

Condicin de parada: cuando en la fila Z no aparece ningn valor positivo.

Condicin de entrada a la base: el mayor valor positivo en la fila Z indica la variable Pj que
entra a la base.

Condicin de salida de la base: una vez obtenida la variable entrante, la variable que sale se
determina mediante el menor cociente P0/Pj de los estrictamente negativos.

Ventajas: No hay que preocuparse por nuevos criterios de parada, condicin de entrada y
salida de la base ya que se mantienen.

Inconvenientes: En el caso de que la funcin tenga todos los coeficientes de sus variables
bsicas positivos, y adems las restricciones sean del tipo de desigualdad "", al hacer el
cambio dichos coeficientes quedan negativos cumplindose la condicin de parada en la
primera iteracin (en la fila del valor de la funcin objetivo todos los valores son positivos
o cero). Obtenindose en este caso por defecto un valor ptimo para la funcin igual a 0.

Solucin: Realmente no existe este problema dado que para que la solucin sea superior a
0 es necesario que alguna restriccin tenga impuesta la condicin "" (y se tratara de un
modelo para el mtodo de las Dos Fases). En el caso planteado, la solucin real debe ser
cero.

Normalizacin de las restricciones

Otra de las condiciones del modelo estndar del problema es que todas las restricciones
sean ecuaciones de igualdad (tambin llamadas restricciones de igualdad), por lo que hay
que convertir las restricciones de desigualdad o inecuaciones en dichas identidades
matemticas.

La condicin de no negatividad de las variables (x1,..., xn 0) es la nica excepcin y se

mantiene tal cual.

Restriccin de tipo ""

Para normalizar una restriccin con una desigualdad del tipo "", hay que aadir una nueva
variable, llamada variable de holgura xs (con la condicin de no negatividad: xs 0). Esta
nueva variable aparece con coeficiente cero en la funcin objetivo, y sumando en la
ecuacin correspondiente (que ahora s ser una identidad matemtica o ecuacin de
igualdad).

a11x1 + a12x2 b1 a11x1 + a12x2 + 1xs = b1

Restriccin de tipo ""

En caso de una desigualdad del tipo "", tambin hay que aadir una nueva variable
llamada variable de exceso xs (con la condicin de no negatividad: xs 0). Esta nueva
variable aparece con coeficiente cero en la funcin objetivo, y restando en la ecuacin
correspondiente.

Surge ahora un problema con la condicin de no negatividad con esta nueva variable del
problema. Las inecuaciones que contengan una desigualdad de tipo "" quedaran:

a11x1 + a12x2 b1 a11x1 + a12x2 - 1xs = b1

Restriccin de tipo "="

Al contrario de lo que cabra pensar, para las restricciones de tipo "=" (aunque ya son
identidades) tambin es necesario agregar variables artificiales xr. Como en el caso anterior,
su coeficiente ser cero en la funcin objetivo y aparecer sumando en la restriccin
correspondiente.

a11x1 + a12x2 = b1 a11x1 + a12x2 + 1xr = b1

Mtodo Simplex

Construccin de la primera tabla:

Las columnas de la tabla estn dispuestas de la siguiente forma: la primera columna de la
tabla contiene las variables que se encuentran en la base (o variables bsicas), esto es,
aquellas que toman valor para proporcionar una solucin; la segunda columna recoge los
coeficientes que dichas variables bsicas tienen en la funcin objetivo (esta columna es
llamada Cb); la tercera muestra el trmino independiente de cada restriccin (P0); a partir
de sta aparece una columna por cada una de las variables de decisin y holgura presentes
en la funcin objetivo (Pj). Para tener una visin ms clara de la tabla, se incluye una fila
que contiene los ttulos de cada una de las columnas.

Todos los valores incluidos en la tabla vendrn dados por el modelo del problema salvo los
valores de la fila Z (o fila indicadora). Estos se obtienen de la siguiente forma: Zj =
(CbiPj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en caso contrario Pj = aij.

Se observa, al realizar el mtodo Simplex, que en esta primera tabla ocupan la base todas
las variables de holgura y por ello (todos los coeficientes de las variables de holgura son 0
en la funcin objetivo) el valor inicial de Z es cero.

Por este mismo motivo tampoco es necesario realizar los clculos de los costes reducidos
en la primera tabla, pudindose determinar directamente como el cambio de signo de los
coeficientes de cada variable en la funcin objetivo, esto es, -Cj.

Condicin de parada:

Se cumple la condicin de parada cuando la fila indicadora no contiene ningn valor

negativo entre los costes reducidos (cuando el objetivo es la maximizacin), esto es, no
existe posibilidad de mejora.

Una vez cumplida la condicin de parada, el valor de cada variable que logra la solucin
ptima se encuentra en la columna P0, indicndose en la base a qu variable corresponde
dicho valor. Si una variable no aparece en la base, significa que su valor es cero. De la
misma forma el valor ptimo de la funcin objetivo (Z) se encuentra en la columna P0, fila
Z.

Si no se cumple la condicin de parada es necesario realizar una iteracin ms del

algoritmo, esto es, determinar la variable que se vuelve bsica y la que deja de serlo,
encontrar el elemento pivote, actualizar los valores de la tabla y comprobar si se cumple
nuevamente la condicin de parada.

Es tambin posible determinar que el problema no se encuentra acotado y su solucin

siempre resultar mejorable. En tal caso no es necesario continuar iterando indefinidamente
y se puede finalizar el algoritmo. Esta situacin ocurre cuando en la columna de la variable
entrante a la base todos los valores son negativos o nulos.

Eleccin de la variable que entra a la base:

Cuando una variable se vuelve bsica, es decir, entra en la base, comienza a formar parte de
la solucin. Observando los costes reducidos en la fila Z, se decide que entra a la base la
variable de la columna en la que ste sea el de menor valor (o de mayor valor absoluto)
entre los negativos.

Eleccin de la variable que sale de la base:

Una vez obtenida la variable entrante, se determina que sale de la base la variable que se
encuentre en aquella fila cuyo cociente P0/Pj sea el menor de los estrictamente positivos
(teniendo en cuenta que esta operacin se har nicamente cuando Pj sea superior a 0).

Elemento pivote:

El elemento pivote de la tabla queda marcado por la interseccin entre la columna de la

variable entrante y la fila de la variable saliente.

Actualizacin de la tabla:

Las filas correspondientes a la funcin objetivo y a los ttulos permanecern inalteradas en

la nueva tabla. El resto de valores debern calcularse como se explica a continuacin:

En la fila del elemento pivote cada nuevo elemento se calcula como:

Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote.

En el resto de las filas cada elemento se calcula:

Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila en

Columna Pivote * Nuevo Elemento Fila Pivote).