Algoritmo especiales de programacion lineal

La principal razon de que la prograacion lineal se utilice en forma tan amplia es la disponibilidad de un
algoritmo excepcionalmente eficiente-el metodo simplex-que en forma rutinaria reuelve problemas
grandes que cn frecuencia surgen en la practica. Sin embargo, el método simplex es solo una parte del
arsenal de algoritmos que se usa con regularidad en la aplicación de la programación lineal. Ahora se
verán esos otros algoritmos.

En especial, las 3 secciones siguientes presentan el método simplex dual (una extencion del análisis de
sensibilidad sistematica) y la técnica de ramasificacion y acotamiento (una versión simplificada del
método simplex para manejar variables que tienen cotas superiores).

METODO SIMPLEX

El método simplex es muy utilil en alguna situciones especiales. Lo normal es que sea mas fácil
encontrar un a solución inicial básica que sea factible que una que sea factible en el dual.

Sin embargo, en ocaciones es necesario introducir varias variables artificiciales para costruir con una
solución inicial BF de manera artificial. En estos cqasos seria mas sencilo comenzar con ina solución
básica factible dual y aplicar el método simplex dual. Incluso, puede ser que esta requiera menos
interacciones cuando no se tiene que convertir en 0 el valor de tanta variables artificiales.

Cuando se aborda un problema cuya soluciones inciales básicas-sin variables artificales-no son factibles
primales ni factibles duales, también es posible combinar las ideas de los métodos simplex y dual
simplex un algoritmo primal-dual que trate de alcanzar la factibilidad tanto primal como dual.

Resumen de método simplex dual.

1. Paso inicial:
Después de convertir cualquier restricción funcional de la forma ≥ ala forma ≤- mediante la
multiplicación de ambos lados * (-1)-, se introducen las variables de holgura necesaria para
construir un conjunto de ecuaciones que describa el problema. Encuentre una solución básica
tal que los coeficientes de la ecuación (0) sean cero para el caso de las variables básicas y no
negativos para las variables no básicas (de manera que la solución es optima y es factible).
2. Prueba de factibilidad:

Se verifica si todas la variables básicas son no negativas. Si es asi esta solución es factible y, por
tanto, optima, y el algoritmo de detiene. De otra manera es necesario realizar una iteracion.

3. Iteración.
Paso1. Se determina la variable básica que sale mediante la selección de la variable básica
negativo que tenga mayor valor absoluto.
Paso2. Se determina la variable básica entrante a travez de la selección de aquella cuyo
coeficiente de la ecuación(0) llegue primero a 0 al agregar ala ecuación (0) un múltiplo creciente
de la ecuación que contiene ala variable básica que sale.
Paso3. Se determina la nueva solución básica apartir del conjunto actual de ecuaciones y se
despejan las variables básicas en termino de las no básicas, mediante el método de alineación
gausiana. Cuando la variable no básica se hacen 0, cada variable básica (Yz) es igual al nuevo
valor del lado derecho de la ecuación en la que aparece (con coeficiente +1). Se repite la prueba
de factibilidad.