Está en la página 1de 5

MÉTODO SIMPLEX.

(Dantzig 1940)
regresar

En la solución gráfica observamos que la solución óptima está asociada siempre con un
punto extremo del espacio de soluciones. El método simplex está basado
fundamentalmente en este concepto.

Careciendo de la ventaja visual asociada con la representación gráfica del espacio de
soluciones, el método simplex emplea un proceso iterativo que principia en un punto
extremo factible, normalmente el origen, y se desplaza sistemáticamente de un punto
extremo factible a otro, hasta que se llega por último al punto óptimo.

Existen reglas que rigen la selección del siguiente punto extremo del método simplex:
1. El siguiente punto extremo debe ser adyacente al actual.
2. La solución no puede regresar nunca a un punto extremo considerado con la
anterioridad.

El algoritmo simplex da inicio en el origen, que suele llamarse solución inicial. Después se
desplaza a un punto extremo adyacente. La elección específica de uno a otro punto
depende de los coeficientes de la función objetivo hasta encontrar el punto óptimo.
Al aplicar la condición de optimidad a la tabla inicial seleccionamos a Xi como la variable
que entra. En este punto la variable que sale debe ser una de las variables artificiales.

Los pasos del algoritmo simplex son ( 10 ) :

1. Determinar una solución básica factible inicial.
2. Prueba de optimidad: determinar si la solución básica factible inicial es óptima y sólo si
todos los coeficientes de la ecuación son no negativos ( >= 0 ). Si es así, el proceso
termina; de otra manera se lleva a cabo otra interacción para obtener la nueva solución
básica factible inicial.
3. Condición de factibilidad.- Para todos los problemas de maximización y minimización,
variable que sale es la variable básica que tiene la razón más pequeña (positiva). Una
coincidencia se anula arbitrariamente.
4. Seleccionar las variables de holgura como las variables básicas de inicio.
5. Selecciona una variable que entra de entre las variables no básicas actuales que, cuando
se incrementan arriba de cero, pueden mejorar el valor de la función objetivo. Si no existe
la solución básica es la óptima, si existe pasar al paso siguiente.
6. Realizar el paso iterativo.
a) Se determina la variable básica entrante mediante la elección de la variable con el
coeficiente negativo que tiene el valor mayor valor absoluto en la ecuación. Se enmarca la
columna correspondiente a este coeficiente y se le da el nombre de columna pivote.
b) Se determina la variable básica que sale; para esta, se toma cada coeficiente positivo
(>0) de la columna enmarcada, se divide el lado derecho de cada renglón entre estos
coeficientes, se identifica la ecuación con el menor cociente y se selecciona la variable
básica para esta ecuación.
c) Se determina la nueva solución básica factible construyendo una nueva tabla en la
forma apropiada de eliminación de Gauss, abajo de la que se tiene. Para cambiar el

coeficiente de la nueva variable básica en el renglón pivote a 1. se desarrolla la nueva tabla solución y se continua el proceso iterativo hasta encontrar la solución optima si es que está existe. se divide todo el renglón entre el número pivote. entonces renglón pivote nuevo = renglón pivote antiguo número pivote para completar la primera iteración es necesario seguir usando la eliminación de Gauss para obtener coeficientes de 0 para la nueva variable básica Xj en los otros renglones.( coeficiente de la columna pivote X renglón pivote nuevo) cuando el coeficiente es negativo se utiliza la fórmula: renglón nuevo = renglón antiguo + (coeficiente de la columna pivote X renglón pivote nuevo) TABLA SIMPLEX como se capturaría la solución básica factible inicial en el siguiente ejemplo: sea: Maximizar Z = 2X1+4X2 sujeto a: 2X1+ X2<= 230 X1+ 2X2<= 250 X2<= 120 todas las X1.X2>=0 BASE Z X1 X2 S1 S2 S3 SOLUCIÓN RAZÓN Z 0 -2 -4 0 0 0 0 0 S1 0 2 1 1 0 0 230 230/1 S2 0 1 2 0 1 0 250 250/2 S3 0 0 1 0 0 1 120 120/1 Seleccione la variable que entra y la variable que sale de la base: Entra X2 y sale S3. Tabla Optima: . para realizar este cambio se utiliza la siguiente fórmula: renglón nuevo = renglón antiguo .

BASE Z X1 X2 S1 S2 S3 SOLUCIÓN RAZÓN Z 0 0 0 0 2 0 500 S1 0 0 0 1 -2 3 90 X1 0 1 0 0 1 -2 10 X2 0 0 1 0 0 1 120 Solución: Z = $500 fabricando X1=10 X2=120 Sobrante de S1 = 90 Tipo de solución: Optima Múltiple Solución de problemas en donde la solución continua no sea aplicable regresar Uso de paquetes computacionales en la solución e interpretación de los resultados Puedes bajar el tutorial de WinQsb+ Tutorial WinQsb+ regresar WinQsb+: Debe bajar el Software de apoyo para resolver los modelos de programación lineal.5X2 <= 30 6.0X2 <= 48 toda X1. la utilidad que se obtiene por las mesas es de $10 y por las sillas de $8.X2 >=0 El reporte final de este modelo es el siguiente (por WinQsb) .0X1+3.5X1+1. ademas para construir la mesa se ocupa lo siguiente: 4. 4. 6 horas por unidad.5 m2 de madera por unidad y 3 horas por cada unidad fabricada. Interpretación de los resultados: Veamos la salida de un modelo que involucra la planeación de la producción. 48 horas por semana.a. Para la silla se ocupan: 1. la demanda de las sillas es de 5 unidades y la de mesas de 10 unidades. Con esta información se desarrolla el modelo siguiente: Max Z = 10X1+8X2 s.5 m2 de madera por unidad. en donde se desean construir mesas y sillas el recurso disponible es 30 m2 de madera por semana.

0000) . en este caso debemos de aumentar a mas de $6.0000 0 basic 5.0000+0. (16. Allowed Min cj (rango mínimo del cj): esta es la mínima utilidad que puedo obtener sin que la base actual cambie. finalmente la suma de 128. RHS Side C1 24.0000 X2 16. Solution Value (Valor de la solución): Cantidad de mesas y sillas a fabricar.0000 <= 30. RHS Max.0000 M C2 48.0000 0 -6. así al sumar la contribución por concepto de las mesas nos arroja una aportación de $0. esto resulta de hacer la operación de ($/mesa10) (0mesas)= $0. Basis Status (estado de la base): Indica si la variable es básica o no básica.0000 at bound -M 16. ejemplo al fabricar 16 sillas y multiplicarlo por $/silla 8.0000 <= 48.0000 128. en este ejemplo la variable X1 (mesas) resulta ser no básica. Total Contribution (contribución total): Es la cantidad en pesos que resulta al multiplicar la utilidad de cada producto por la cantidad que se va a fabricar.0000.0000. la contribución es de $128.Decision Solution Unit Cost or Total Reduced Basis Allowable Allowable Variable Value Profit cj Contribution Cost Status Min cj Max cj X1 0 10. esto es lo que se conoce como el valor de Objetive Function Max.0000 la utilidad de la mesa para que sea atractiva la fabricación de mesas.0000. Utilidad por unidad): Cantidad de pesos que vamos a ganar por cada mesa y por cada silla ($10 y $8 respectivamente.0000 6. se necesitan fabricar 16 sillas y no fabricar mesas.0000. el problema se resuelve y nos indica que para obtener la mejor solución en términos de la utilidad.0000 0 24.6667 0 60. Reduced Cost (Costo reducido): esto nos indica el dinero que hemos dejado de ganar por cada unidad no fabricada.0000 = $128. la variable X2 (sillas) es una variable básica.0000 8. Unit Cost or Profit (costo por unidad.0000 Left Rigth Hand Slack or Shadow Allowable Allowable Constraint Hand Direction Side Surplas Price Min.0000 M Objetive Function (Max) = 128. ya que forma parte de la solución. (-M) Allowed Max cj (rango mínimo del cj): esta es la máxima utilidad que puedo obtener sin que la base actual cambie.0000 0 2. esto es que no forma parte de la solución óptima.0000 INTERPRETACIÓN DE LA SALIDA: Información de la Función Objetivo: Decision Variable (Variable de Decisión): Son las variables que se han definido en la formulación del problema en este caso representan al producto X1 = mesas y X2= sillas.

se tienen dos restricciones (C1 y C2) la restricción de la madera y la de horas hombre. Allowed Min RHS (rango mínimo del bj): esta es la mínima cantidad de recurso que se debe de mantener sin que la base actual cambie. esto es que el 2.6667. Interpretación de las Restricciones: Constraint (Restricción): Son las restricciones que forman parte del problema.6667 indica que cada hra-hombre se debe ofrecer como mínimo en $/hr 2. de 30.>= o =) Rigth hand side (valor lado derecho): es el recurso disponible actualmente 30 m2 Slack or Surplas (holguras): nos indican un faltante o bien un sobrante Shadow Price (precio sombra): nos indica la solución Dual.000 m2 de madera se consumieron 24.000 m2. (0 hrs-hombre) Allowed Max RHS (rango mínimo del bj): esta es la máxima cantidad de recurso que se debe de mantener sin que la base actual cambie (60.los valores que aparecen son para el producto Mesa.0000 hrs-hombre) regresar . Direction (dirección): es la dirección de la restricción (<=. Left hand side (valor al lado izquierdo): esto nos indica el consumo de recurso.