Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Objetivo:
Obtener una definición clara sobre el método simplex y sus aplicaciones para aplicarlo a la
resolución de ejercicios de maximización y minimización con más de dos variables mediante la una
investigación bibliográfica.
BIBLIOGRAFÍA:
BIBLIOGRAFÍA:
BIBLIOGRAFÍA:
Una vez estandarizado el modelo puede ocurrir que sea necesario aplicar el método Simplex o el
método de las Dos Fases. Véase en la figura la forma de actuación para llegar a la solución del
problema modelado.
A continuación se explican paso a paso los puntos de cada método, concretando los aspectos a
tener en cuenta.
BIBLIOGRAFÍA:
Maximizar Z = f(x,y) = 3x + 2y
sujeto a: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0,y≥0
Se consideran las siguientes fases:
x pasa a ser X1
y pasa a ser X2
Como los términos independientes de todas las restricciones son positivos no es necesario hacer
nada. En caso contrario habría que multiplicar por "-1" en ambos lados de la inecuación (teniendo
en cuenta que esta operación también afecta al tipo de restricción).
En este caso se introduce una variable de holgura (X3, X4 y X5) en cada una de las restricciones
del tipo ≤, para convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2·X1 + X2 + X3 = 18
2·X1 + 3·X2 + X4 = 42
3·X1 + X2 + X5 = 24
Igualar la función objetivo a cero.
Z - 3·X1 - X2 - 0·X3 - 0·X4 - 0·X5 = 0
BIBLIOGRAFÍA:
La tabla inicial del método Simplex está compuesta por todos los coeficientes de las variables de
decisión del problema original y las de holgura, exceso y artificiales agregadas en el paso 2 (en las
columnas, siendo P0 el término independiente y el resto de variables Pi coinciden con Xi), y las
restricciones (en las filas). La columna Cb contiene los coeficientes de las variables que se
encuentran en la base.
La primera fila está formada por los coeficientes de la función objetivo, mientras que la última fila
contiene el valor la función objetivo y los costes reducidos Zj - Cj.
Condición de parada.
Si el objetivo es la maximización, cuando en la última fila (fila indicadora) no existe ningún valor
negativo entre los costes reducidos (columnas P1 en adelante) se alcanza la condición de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de mejora. El valor de Z
(columna P0) es la solución óptima del problema.
Otro caso posible es que en la columna de la variable entrante a la base todos los valores son
negativos o nulos. Esto indica que el problema no se encuentra acotado y su solución siempre
resultará mejorable. Ante esta situación no es necesario continuar iterando indefinidamente y
también se puede dar por finalizado el algoritmo.
Se determina en primer lugar la variable que entra en la base. Para ello se escoge la columna cuyo
valor en la fila Z sea el menor de entre todos los negativos. En este caso sería la variable X1 (P1)
de coeficiente -3.
Si existiesen dos o más coeficientes iguales que cumplan la condición anterior (caso de empate),
entonces se optará por aquella variable que sea básica.
La columna de la variable que entra en la base se llama columna pivote (en color verde)..
BIBLIOGRAFÍA:
Si hubiera algún elemento menor o igual a cero no se realiza dicho cociente. En caso de que todos
los elementos de la columna pivote fueran de ésta condición se habría cumplido la condición de
parada y el problema tendría una solución no acotada (ver teoría del método Simplex).
El término de la columna pivote que en la división anterior dio lugar al menor cociente positivo
indica la fila de la variable de holgura que sale de la base. En este caso resulta ser X5 (P5), de
coeficiente 3. Esta fila se llama fila pivote (en color verde).
Si al calcular los cocientes, dos o más resultados cumplen la condición para elegir el elemento
saliente de la base (caso de empate), se escoge aquella que no sea variable básica (siempre que
sea es posible).
La intersección de la fila pivote y columna pivote marca el elemento pivote, en este caso el 3.
Actualizar la tabla.
Anterior fila P4 42 2 3 0 1 0
- - - - - -
Anterior Elemento Fila en Columna Pivote 2 2 2 2 2 2
x x x x x x
Nueva fila pivote 8 1 1/3 0 0 1/3
= = = = = =
Nueva fila P4 26 0 7/3 0 1 -2/3
La tabla correspondiente a esta segunda iteración es:
BIBLIOGRAFÍA:
Al comprobar la condición de parada se observa que no se cumple ya que entre los elementos de la última
fila hay uno negativo, -1. Se continúa iterando nuevamente los pasos 6 y 7.
6.1. La variable que entra en la base es X2 (P2), por ser la variable que corresponde a la
columna donde se encuentra el coeficiente -1.
6.2. Para calcular la variable que sale, se dividen los términos de la columna P 0 entre los
términos correspondientes de la nueva columna pivote: 2 / 1/3 [=6] , 26 / 7/3 [=78/7] y 8 / 1/3
[=24]. Como el menor cociente positivo es 6, la variable que sale de la base es X 3 (P3).
Una nueva comprobación de la condición de parada revela que entre los elementos de la fila
indicadora vuelve a haber uno negativo, -1. Significa que aun no se ha llegado a la solución óptima
y hay que seguir iterando (pasos 6 y 7):
6.1. La variable que entra en la base es X5 (P5), por ser la variable que corresponde
al coeficiente -1.
6.2. Se escoge la variable que sale calculando el cociente entre los términos de la
columna de términos independientes y los términos correspondientes de la nueva
columna pivote: 6/(-2) [=-3] , 12/4 [=3], y 6/1 [=6]. En esta ocación es X4 (P4).
6.3. El elemento pivote es 4.
7. Después de actualizar todas las filas, se obtiene la tabla siguiente:
BIBLIOGRAFÍA:
[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:
http://www.phpsimplex.com/teoria_metodo_simplex.htm. [Último acceso: 22 Diciembre 2014].
FISEI I 302-A NOMBRE: Zurita Bayas Mauricio Alejandro FECHA: 22/12/2014
Investigacion #: 03 II TEMA: “Método Simplex” PÁG. #: 9
Se observa que en la última fila todos los coeficientes son positivos cumpliéndose, por tanto la
condición de parada.
La solución óptima viene dada por el valor de Z en la columna de los términos independientes
(P0), en este ejemplo: 33. En la misma columna se puede ver el punto donde se alcanza,
observando las filas correspondientes a las variables de decisión que han entrado en la base: X1 =
3 y X2 = 12.
Análisis
Las sucesivas tablas construidas durante el método Simplex van proporcionando el valor de la
función objetivo en los distintos vértices de la región factible, ajustándose, a la vez, los coeficientes
de las variables iniciales y de holgura. • En la tabla inicial se ha calculado el valor de la función
objetivo en el vértice O, cuyas coordenadas (0,0) se corresponden con el valor que tienen las
variables básicas, siendo el resultado 0. 43
BIBLIOGRAFÍA:
[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:
http://www.phpsimplex.com/teoria_metodo_simplex.htm. [Último acceso: 22 Diciembre 2014].
FISEI I 302-A NOMBRE: Zurita Bayas Mauricio Alejandro FECHA: 22/12/2014
Investigacion #: 03 II TEMA: “Método Simplex” PÁG. #: 10
Solución ilimitada (no acotada): si toda la columna de la variable que entra a la base tiene todos
sus elementos negativos o nulos se trata de problema no acotado, es decir, que tiene solución
ilimitada. No hay valor óptimo concreto para la función objetivo sino que a medida que se aumenta
el valor de las variables también se incrementa el valor Z sin violar ninguna restricción.
No existe solución: cuando ningún punto satisface todas las restricciones del problema se
produce la infactibilidad no existiendo ninguna solución posible para él. En este caso, una vez
terminadas todas las iteraciones del algoritmo, existen en la base variables artificiales cuyo valor
es superior a cero.
Empate de variable saliente: se puede nuevamente optar por cualquiera de ellas. Sin embargo, a
fin de no alargar el problema y evitar la entrada en un bucle infinito (caso degenerado), se
discrimina a favor de las variables de decisión haciendo que permanezcan en la base. En el caso
de estar en la primera fase del método de las Dos Fases, se optará por sacar de la base las
variables artificiales.
Curiosidad en la Fase 1: al finalizar la fase 1, si el problema original tiene solución, todas las
variables artificiales en la fila indicadora deben tener el valor "1".
¿El elemento pivote puede ser nulo?: No, el elemento pivote siempre será estrictamente positivo
ya que únicamente se realizan los cocientes entre valores no negativos y mayores que cero (ante
un problema de maximización).
Conclusión.
La importancia de este método radica en que gracias a su existencia se pueden resolver problemas
complejos. Este método conforma la base de la programación lineal y es debido a este procedimiento
(simplex) que se facilita la toma de decisiones en casos complejos o de incertidumbre ya que ha resultado
ser muy eficiente en la práctica.
Una gran parte de software para cálculos están estrictamente basados en el método simplex, facilitándonos
la interpretación de datos en poco tiempo es decir que gracias a este método y a los programas que se
basan en elejercicios que se tardarían días en resolverse se llevan a cabo en tan solo horas y hasta
minutos optimizando el trabajo de todo aquel que necesite realizar este tipo de cálculo.
BIBLIOGRAFÍA:
[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:
http://www.phpsimplex.com/teoria_metodo_simplex.htm. [Último acceso: 22 Diciembre 2014].