Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad Abierta para Adultos (Uapa) : Escuela
Universidad Abierta para Adultos (Uapa) : Escuela
Escuela:
Escuela de Ingeniería y Tecnología
Carrera:
Ing. Software
Asignatura:
Investigación de operaciones 1
Tema:
Unidad III/ EL METODO SIMPLEX
Facilitador:
José Luis Taveras Perez
Participantes:
Converge más lentamente que otros métodos, pues requiere más número de
iteraciones.
En el caso de que la función tenga todas sus variables básicas positivas, y además las
restricciones sean de desigualdad "≤", al hacer el cambio se quedan negativas y en la
fila del valor de la función objetivo se quedan positivos, por lo que se cumple la
condición de parada, y por defecto el valor óptimo que se obtendría es 0.
Aplica para las restricciones del tipo (≥ y ≤), donde el lado derecho de la
desigualdad representa el límite sobre la disponibilidad de un recurso y el lado
izquierdo representa la utilización de ese recurso limitado que hacen las
variables del modelo. Esto quiere decir que una holgura representa la cantidad
disponible del recurso que excede a la utilización que se le da.
En la conversión de este tipo de desigualdad se añade una variable de ajuste
(Si) para convertirla en igualdad. Por ejemplo, tenemos la siguiente restricción:
3X1 + 2X2 ≥ 6, su equivalente serio, 3X1 + 2X2 + S1 = 6.
VARIABLE ARTIFICIAL / MÉTODO DE LA "M"
Una variable artificial es un truco matemático para convertir inecuaciones ">="
en ecuaciones, o cuando aparecen igualdades en el problema original, la
característica principal de estas variables es que no deben formar parte de la
solución, dado que no representan recursos. El objetivo fundamental de estas
variables es la formación de la matriz identidad.
Maximiza Z= f(x,y)= 3x +
r 2y
sujeto a: 2x + y 18
2x + 3y 42
3x + y 24
x 0 , y 0
2x + y + h = 18
2x + 3y + s =
42
3x +y + d = 24
- 3x - 2y + Z = 0
En las columnas aparecerán todas las variables del problema y, en las filas, los coeficientes de
las igualdades obtenidas, una fila para cada restricción y la última fila con los coeficientes de la
función objetivo:
Tabla I. Iteración nº 1
Base Variable de decisión Variable de holgura Valores solución
x y h s d
h 2 1 1 0 0 18
s 2 3 0 1 0 42
d 3 1 0 0 1 24
Z -3 -2 0 0 0 0
4. Encontrar la variable de decisión que entra en la base y la variable de holgura que sale
de la base
Si al calcular los cocientes, dos o más son iguales, indica que cualquiera
de las variables correspondientes puede salir de la base.
Veámoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla II):
Vieja fila de s 2 3 0 1 0 42
- - - - - -
Coeficiente 2 2 2 2 2 2
x x x x x x
Nueva fila pivote 1 1/3 0 0 1/3 8
= = = = = =
Nueva fila de s 0 7/3 0 1 -2/3 26
Tabla II. Iteración nº 2
Base Variable de decisión Variable de holgura Valores solución
x y h s d
h 0 1/3 1 0 -2/3 2
s 0 7/3 0 1 -2/3 26
x 1 1/3 0 0 1/3 8
Z 0 -1 0 0 1 24
Como en los elementos de la última fila hay uno negativo, -1, significa que no
hemos llegado todavía a la solución óptima. Hay que repetir el proceso:
Los solución óptima viene dada por el valor de Z en la columna de los valores solución, en
nuestro caso: 33. En la misma columna se puede observar el vértice donde se alcanza,
observando las filas correspondientes a las variables de decisión que han entrado en la
base: D(3,12)
Las sucesivas tablas que hemos construido van proporcionando el valor de la función objetivo
en los distintos vértices, ajustándose, a la vez, los coeficientes de las variables iniciales y de
holgura.
A continuación se desplaza por la arista AB, calculando el valor de f , hasta llegar a B.
Este paso aporta la Tabla II.
En esta segunda iteración se ha calculado el valor que corresponde al vértice B(8,0):
Z=f(8,0) = 24
Sigue por la arista BC, hasta llegar a C, donde se para y despliega los datos de la Tabla
III.
En esta tercera iteración se ha calculado el valor que corresponde al vértice C(6,6) :
Z=f(6,6)=30.
Continúa haciendo cálculos a través de la arista CD, hasta llegar al vértice D. Los datos que se
reflejan son los de la Tabla IV.
Concluye con esta tabla, advirtiendo que ha terminado (antes ha comprobado que la solución
no mejora al desplazarse por la arista DE)
El valor máximo de la función objetivo es 33, y corresponde a x = 3 e y = 12 (vértice D).
Si calculas el valor de la función objetivo en el vértice E (0,14), su valor no supera el valor 33.
PROBLEMA
Una empresa de muebles planea introducir una línea para jardín que conste de
sillas, mecedoras y sillones. Cada mueble requiere madera, plástico y aluminio
para su fabricación de acuerdo con la siguiente tabla.
El problema de decisión se modela como uno de programación lineal (PPL) sobre tres
cantidades: x = número de sillas producidas y = número de mecedoras producidas z =
número de sillones producidos De esta manera, la utilidad registrada por la venta de
todos los productos es: U = 21x + 24y + 36z
El problema, entonces, es elegir x, y, z de modo que se maximice el valor de U sujeto
a las restricciones de inventario en las materias primas: x + y + z 400 [unidades de
madera requeridas] x + y + 2z 500 [unidades de plástico requeridas] 2x + 3y + 5z
1450 [unidades de aluminio requeridas]
IMPLEMENTACIÓN DEL MÉTODO SIMPLEX
Para iniciar el método simplex convertimos el PPL a la forma estándar del problema:
Maximizar U = 21x + 24y + 36z sujeta a x + y + z 400 x + y + 2z 500 2x + 3y + 5z
1450 x, y, z 0
Usando las variables de holgura s1, s2 y s3 para convertir las restricciones de
desigualdades a ecuaciones, el problema es: Maximizar -21x - 24y - 36z + U = 0 sujeta
a x + y + z + s1 = 400 x + y + 2z + s2 = 500 2x + 3y + 5z + s3 = 1450 x, y, z, s1, s2, s3
0 La tabla simplex en la primera iteración se compone, entonces, de los coeficientes
del sistema usando un renglón por cada restricción, y el renglón de la utilidad al
principio o al final, como en este caso. La solución básica factible (SBF) inicial es x =
0, y = 0, z = 0, así que las variables básicas son s1, s2, s3.