INVESTIGACIÓN DE OPERACIONES

Métodos de Resolución de problemas de PL

Temuco, agosto 2019

2
3
X2

2x1 + 1x2 = 16

2x1 + 3x2 = 24

X1
8 12

4
X2

2x1 + 1x2 <= 16

2x1 + 3x2 <= 24

X1
12
8

5
X2

2x1 + 1x2 <= 16

Espacio 2x1 + 3x2 <= 24

factible
X1
8 12

6
X2

2x1 + 1x2 <= 16

Función objetivo 2x1 + 3x2 <= 24

6x1 + 7x2 = 42
X1
8 12

7
8
X2

2x1 + 1x2 <= 16

6x1 + 7x2 = 42

2x1 + 3x2 <= 24

6x1 + 7x2 = 7
X1
1 7 8 12

9
10
11
X2

2x1 + 1x2 <= 16

Solución Optima
Coordenadas X1 = 6, X2 = 4
4

2x1 + 3x2 <= 24

6x1 + 7x2 = 42

X1
1 6 7 8 12

12
13
X2

Espacio factible

X1

14
X2

Solución no acotada
Las variables pueden crecer en forma
indefinida

Función objetivo

X1

15
16
X2

Espacio
factible
X1

17
X2

Solución Múltiple
La solución óptima corresponde a todos los
puntos sobre la recta comprendida entre el
punto A y el punto B.

Espacio
factible

X1
B

18
MÉTODO GRÁFICO: EJEMPLO

Reddy Mikks produce pinturas para interiores y exteriores con dos materias primas, M1 y M2. La
tabla siguiente proporciona los datos básicos del problema.

Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede exceder
la de pintura para exteriores en más de una tonelada. Asimismo, que la demanda diaria máxima de
pintura para interiores es de dos toneladas.

Reddy Mikks se propone determinar la (mejor) combinación óptima de pinturas para interiores y
exteriores que maximice la utilidad diaria total.
MÉTODO SIMPLEX

En vez de enumerar todas la soluciones básicas del problema de PL,

el método Simplex investiga solo algunas de las estas soluciones.

El método simplex es de carácter iterativo, el cual realiza una busca

de la solución óptima desplazándose a través de todos los puntos
esquina. Es decir, su trayectoria sigue el borde de la superficie de
solución definida.

Este método realiza un incremento de las variables Xi de manera

individual, probando la mejora en la función objetivo.
MÉTODO SIMPLEX: PASOS INICIALES

1. Convertir las desigualdades en igualdades

Se introduce una variable de holgura por cada una de las restricciones, en este caso h1, h2, h3 para convertirlas
en igualdades y formar el sistema de ecuaciones estándar, usando en simplex el siguiente criterio:

Signo de la desigualdad Introducir

≤ Adicionar variable de holgura en el lado izquierdo

≥ Adicionar variable de holgura en el lado derecho

MÉTODO SIMPLEX: PASOS INICIALES

3. Todas las variables de las

ecuaciones (función objetivo y
4. Ajustar las constantes del lado
2. Función objetivo de restricciones) en el lado izquierdo
derecho de las restricciones, para
maximización del signo igual. En el lado derecho
que tengan valores no negativos.
del signo igual, solo debe quedar
una constante.
23
24
Se “etiquetan” las variables como básicas y no
básicas

Se necesitan tantas variables básicas como

restricciones tenga el modelo

Todo el resto de variables existentes se marcan

como no básicas

25
Las variables no básicas se les asigna automáticamente el valor cero

Con las variables básicas (y las no básicas iguales a cero) se resuelve

el sistema de m ecuaciones lineales, lo que corresponde a una
solución factible del problema.

26
 X1 X2 X3 X4
Z -6 -7 0 0 0
X3 2 3 1 0 24
X4 2 1 0 1 16

27
Verificar si se está en el
óptimo

Variable básica entrante

Variable básica saliente • Prueba del cociente mínimo

• Se genera la estructura de base

Se actualiza la base para la variable básica entrante

28
MÉTODO SIMPLEX: PRUEBA DE LA OPTIMALIDAD

Según la
condición de
Optimalidad,
ninguno de los En ese caso, se ha
coeficientes de la llegado a la tabla
fila z, bajo las simplex óptima.
variables no
básicas, deben ser
negativos.
 X1 X2 X3 X4
Z -6 -7 0 0 0
X3 2 3 1 0 24
X4 2 1 0 1 16

La solución actual no es óptima.

30
MÉTODO SIMPLEX: VARIABLE BÁSICA ENTRANTE

Para escoger la variable de decisión que entra en la base, se

observa la fila de Z, la cual muestra los coeficientes de la
función objetivo y se escoge la variable con el coeficiente
más negativo.
• Si existiesen dos o más coeficientes iguales que cumplan la condición
anterior, entonces se elige cualquiera de ellos.
• La columna de la variable que entra en la base se llama columna pivote.
 X1 X2 X3 X4
Z -6 -7 0 0 0
X3 2 3 1 0 24
X4 2 1 0 1 16

En la fila Z, el coeficiente más negativo es -7, por tanto, la variable entrante es X2.

32
MÉTODO SIMPLEX: VARIABLE BÁSICA SALIENTE

Para encontrar la variable básica que tiene que salir de la base, se divide cada término de la última columna (solución)
por el término correspondiente de la columna pivote, siempre que estos últimos sean mayores que cero (solo
positivos).
•Si hubiese algún elemento menor o igual que cero, no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o
iguales a cero, entonces se tiene una solución no acotada y no se puede seguir.
•El término de la columna pivote que en la división anterior dé lugar al menor cociente positivo, indica la fila de la variable de holgura que
sale de la base. Esta fila se llama fila pivote.
•Si al calcular los cocientes, dos o más son iguales, indica que cualquiera de las variables correspondientes pueden salir de la base.
 X1 X2 X3 X4
Z -6 -7 0 0 0
X3 2 3 1 0 24
X4 2 1 0 1 16

𝑀𝑖𝑛 24 , 16 = 8, por tanto, la variable saliente es X3

3 1

34
MÉTODO SIMPLEX: ACTUALIZACIÓN DE LA BASE

Posición del pivote: intersección entre la columna de la

variable entrante (X2) y fila de la variable saliente (X3).

Se debe establecer un 1 en la posición del pivote y 0 en

el resto de la columna.

Para este caso el Pivote es 3 (columna de X2 y fila de

X3).

Para generar un 1 en esta posición, se divide toda la fila

por 3.
 X1 X2 X3 X4

Z -6 -7 0 0 0

X3 2/3 1 1/3 0 8

X4 2 1 0 1 16

36
 A continuación, se deben producir ceros en toda
la columna del pivote

Para tener un cero en la posición del -7 (función objetivo), se multiplica la

fila del pivote por 7 y luego se suma a la fila que tiene el -7. Haciendo lo
anterior, se tiene:

37
 X1 X2 X3 X4

Z -4/3 0 7/3 0 56

X3 2/3 1 1/3 0 8

X4 2 1 0 1 16
38
El mismo proceso se realiza para el número 1. Así,
para tener un cero en esta posición, se multiplica
la fila del pivote por -1 y luego se suma a la fila que
tiene el 1. Haciendo lo anterior, se tiene:

39
 X1 X2 X3 X4

Z -4/3 0 7/3 0 56

X3 2/3 1 1/3 0 8

X4 4/3 0 - 1/3 1 8
40
 Es esta tabla la variable X2 es
Luego se actualiza el
variable básica y reemplaza a
indicador de las variables
la variable X3, que antes de la
básicas
iteración estaba como básica.

41
 X1 X2 X3 X4

Z -4/3 0 7/3 0 56

X2 2/3 1 1/3 0 8

X4 4/3 0 - 1/3 1 8
42
 En la tabla anterior se tiene:

Variables no básicas X1 y X3, ambas con valor cero

Variables básicas X2 = 8 y X4 = 8

Valor de la función objetivo = 56

43
 En la tabla existente se debe verificar si
dicha solución es óptima o se debe iterar.

Como en el renglón Z aún se tiene un coeficiente de costo

negativo, la solución presente no es óptima y se debe iterar. Al
realizarlo, se tiene la siguiente tabla:

44
 X1 X2 X3 X4
Z 0 0 2 1 64
X2 0 1 1/2 - 1/2 4
X1 1 0 - 1/4 3/4 6

45
La tabla actual es óptima (todos los coeficientes de
costo de las variables son no negativos)

Variables no básicas X3 y X4, ambas con valor cero

Variables básicas X1 = 6 y X2 = 4

Valor de la función objetivo = 64

46
Solución no
acotada

Soluciones
múltiples

47
 La solución no acotada implica que
siempre existe una mejor combinación
de variables, que la actual.

Esta situación se determina en el proceso

iterativo, cuando no existen candidatos a
variable saliente

48
 X1 X2 X3 X4
Z -6 -7 0 0 0
X3 2/3 0 1 0 8
X4 2 -1 0 1 16

49
 Para seleccionar variable saliente
se debe realizar la prueba del
En la tabla anterior, la solución no
cociente mínimo, pero todos los
es óptima y la variable entrante
aij para la prueba son negativos o
es X2
ceros, por tanto no existen
candidatos.

50
 X1 X2 X3 X4
Z -6 -7 0 0 0
X3 2/3 0 1 0 8
X4 2 1 0 1 0

51
 Las soluciones múltiples implican que el conjunto de soluciones está sobre un
segmente de recta, y cualquier punto sobre este segmento (dentro de la zona factible)
es una solución óptima. Todos los puntos de solución, generan igual beneficio en la
función objetivo

52
 Las soluciones múltiples se establecen cuando, en la tabla óptima,
alguno de los coeficientes de costos de las variables no básicas tienen
valor cero.

53
Si se desea obtener otra combinación de solución, solo se debe iterar
del modo tradicional, considerando como variable entrante aquella
no básica con coeficiente de costo cero.

54
 X1 X2 X3 X4
Z 0 0 2 0 64
X2 0 1 1/2 - 1/2 4
X1 1 0 - 1/4 1 6

55
 X1 X2 X3 X4
Z 0 0 2 0 64
X2 1/2 1 3/8 0 7
X4 1 0 - 1/4 1 6

56
MÉTODO SIMPLES – DOS FASES

Hasta ahora se han presentado los

detalles del método simplex bajo el
supuesto de que el problema se
Cuando la solución inicial, no es
encuentra en nuestra forma estándar
factible, o fácil de visualizar, se puede
(maximizar Z sujeta a restricciones
aplicar el método de las dos fases para
funcionales de la forma <= y
lograr determinar una solución factible
restricciones de no negatividad sobre
inicial.
todas las variables) con bi >= 0 para
toda i = 1, 2, . . . , m; donde la solución
básica inicial es fácil de obtener.
58
59
Ejemplo

X1 X2 X3 LD
Z 80 60 0 0
X3 0,2 0,32 1 0,25
1 1 0 1

No existe una base o solución básica factible

60
MÉTODO SIMPLEX – DOS FASES

Reformulación del modelo. En el formato estándar existente:

Se adicionan variables artificiales en el lado izquierdo del signo igual.

Se agregan tantas variables artificiales distintas, como restricciones sin base

existan en el modelo.
Se elimina el función objetivo original, y se reemplaza por una función de
minimizar la sumatoria de todas las variables artificiales que se agregaron.
Se transforma la función objetivo artificial, al formato de Maximizar, y se
mueven todas las variables al lado izquierdo del signo igual.
62
63
Método de las dos fases, tabla inicial (inicio fase I)

X1 X2 X3 A1
W 0 0 0 1 0
X3 0,2 0,32 1 0 0,25
1 1 0 1 1

Aún no existe una base inicial factible.

Es necesario actualizar la fila Z, y así lograr un cero en esa fila para la variable artificial.

64
Método de las dos fases: actualización de la base

X1 X2 X3 A1
W -1 -1 0 0 -1
X3 0,2 0,32 1 0 0,25
A1 1 1 0 1 1
Base factible del problema ARTIFICIAL, no del problema original.
Para obtener una base del problema original, se debe iterar.

65
Eligiendo como variable entrante
la variable X1 y por tanto, como
pivote el elemento a21 obtiene la
siguiente tabla luego de la
iteración correspondiente:

66
 Método de las dos fases
X1 X2 X3 A1
W 0 0 0 1 0
X3 0 0,12 1 -0.2 0,05
X1 1 1 0 1 1

67
 La tabla anterior es óptima y en la base no existe ninguna
variable artificial, por lo tanto estamos en el fin de la fase I.

Esta tabla muestra una base factible del problema original.

68
Fase II: El objetivo de esta fase es encontrar una solución óptima para el problema
real (original).

Como las variables artificiales no son parte del problema real, ahora se pueden
eliminar (Son variables no básicas con valor de cero).

El proceso comienza con la solución BF que se obtuvo al final de la fase I y se usa el

método simplex para resolver el problema real.

69
 Para pasar a la fase II, se copia la tabla inicial con las siguientes modificaciones:

Se elimina las columnas correspondientes a las variables artificiales.

Se cambia la función objetivo W por la función objetivo Z original, en su forma estándar.

70
Método de las dos fases: inicio fase II

X1 X2 X3
Z 80 60 0 0
X3 0 0,12 1 0,05
1 1 0 1

71
Método de las dos fases: actualización de la base

X1 X2 X3
Z 0 -20 0 -80
X3 0 0,12 1 0,05
X1 1 1 0 1
Se actualiza la variable X1, para lograr el formato de base adecuado

72
 Método de las dos fases: iteración,
tabla óptima y fin fase II

X1 X2 X3
Z 0 0 166.6 -71.68
X2 0 1 8.33 0,416
X1 1 0 -8.33 0.584

Solución óptima del problema original: X1 = 0,584; X2 = 0,416; Z = -71,68

73
Gracias por su atención

Temuco, agosto de 2019