Antonio Flores Flores

UNIVERSIDAD VASCONCELOS
DE TABASCO
LICENCIATURA EN INGENIERÍA INDUSTRIAL
ASIGNATURA:
INVESTIGACIÓN DE OPERACIONES I
CATEDRÁTICO:
ING. GERARDO GÓMEZ DE LA CRUZ
ALUMNO:
ANTONIO FLORES FLORES
TRABAJO DE:
PROGRAMACIÓN LINEAL
METODO SIMPLEX “DOS FASES”
CUATRIMESTRE IV GRUPO “A”
08 DE FEBRERO DE 2020
UNIVERSIDAD VASCONCELOS DE TABASCO
INVESTIGACIÓN DE PARAÍSO, TABASCO A 08 DE FEBRERO DE 2020
ASIGNATURA:
OPERACIONES CATEDRÁTICO: Ing. Gerardo Gómez De La Cruz
TEMAS: PROGRAMACIÓN LINEAL (MET. SIMPLEX DOS FASES) 4TO. CUATRIMESTRE GRUPO “A”
Índice
Introducción ……………………………………………………………………. 2
Opinión personal ………………………………………………………………... 3
Método simplex de las dos fases …………………………………………......... 4
Ejercicio ……………………………………………………………………........ 10
Bibliografía ………………………………………………………....................... 18
1
ASIGNATURA:
Introducción
El Método Simplex de Dos Fases nos permite abordar la resolución de aquellos modelos de Programación
Lineal que luego de ser llevados a su forma estándar nos permite obtener una solución básica factible inicial
en las variables del modelo. Para enfrentar esta situación existen distintas estrategias algorítmicas entre las que
destacan el Método Simplex de Dos Fases y el Método de la M Grande o de la Gran M, las cuales suelen
ser discutidas en cursos de Investigación Operativa (Investigación de Operaciones).
El método de las Dos Fases se utiliza cuando aparecen variables artificiales en la forma canónica o estándar
del problema. La primera fase trata de resolver el problema auxiliar Z' de minimizar la suma de las variables
artificiales y conseguir que sea cero (con objeto de evitar incongruencias matemáticas). Una vez resuelto este
primer problema, y siempre y cuando el resultado sea el esperado, se reorganiza la tabla resultante para
utilizarla en la segunda fase sobre el problema original.
En caso contrario el problema no es factible, es decir, no tiene solución y no será necesario continuar con la
segunda fase.
La fase uno trata de determinar una solución básica factible de inicio y, si se encuentra, se invoca la fase dos
para resolver el problema original y en la fase 2 se usa la solución factible de la fase uno como solución básica
factible de inicio para el problema original.
2
ASIGNATURA:
Opinión personal
En mi opinión el método Simplex dos fases es un método que empieza con una solución básica factible inicial
artificial y que equivale al paso inicial del método simplex ya visto anteriormente. Para propiciar que las
variables artificiales tomen el valor de cero, se construye una función objetivo que reemplazara
provisionalmente a la del modelo original y esta nueva función se formara con la suma de las variables
artificiales donde el objetivo es minimizar la suma de ellas, por lo que, es importante aclarar que el objetivo de
la fase uno, siempre es minimizar la suma de las variables artificiales, aunque el objetivo del modelo original
sea maximizar.
Este método nos permitirá buscar o encontrar la solución óptima del modelo original. La idea es que las
cantidades que desee optimizar están representadas por las variables y la función objetivo que se presenta en
los coeficientes de las variables. Estos muestran la proporcionalidad entre ellos. Por lo general son números
racionales obtenidos en el problema que desea resolver. Entre las posibilidades de los valores de las variables
que satisfagan las limitaciones, el algoritmo debe encontrar a los que dan la función objetivo el total más alto
posible. El método simplex es pues una técnica eficaz para tratar problemas de asignación de recursos limitados
entre actividades, así como para resolver otros problemas que tengan un planteamiento matemático semejante.
3
ASIGNATURA:
Método simplex de las dos fases
Los Problemas de Programación Lineal (PPL) pueden resolverse por el método Simplex en formato matricial
que llamaremos Tabloide. El Método de las Dos fases es el mismo método Simplex que aplicamos en los PPL
de Maximización, solo que con algunas variantes que iremos explicando en el desarrollo de un ejemplo cuya
optimización se obtendrá por Minimización.
El PPL debe transformarse eliminando las inecuaciones (o restricciones del modelo) y convirtiéndolas en
ecuaciones, para lo cual debemos agregar en cada inecuación una variable de holgura con signo negativo que
las denotaremos por “H”, además adicionaremos una variable artificial en cada inecuación que las denotaremos
por “A”, tal como se muestra en el cuadro siguiente.
Ahora que hemos convertido las inecuaciones en ecuaciones, debemos agregar las nuevas la función objetivo
o función de optimización, de la siguiente manera: Las variables de holguras de adicionan con coeficiente cero
y las variables artificiales con coeficiente uno.
Finalmente sustituimos los coeficientes de las variables de decisión por ceros; esto es 80 se sustituye por cero
y 124 por cero. Así queda transformado el modelo matemático del PPL que teníamos en la fig.#1, listo para
iniciar la primera fase del Simplex.
4
ASIGNATURA:
1ra. Fase:
Iniciamos la primera fase para la solución del problema anterior con el modelo transformado tal como quedó
se muestra en la fig.#2.
El tabloide o tabla del Simplex del ejercicio constará de 6 filas y 10 columnas en las que ubicaremos los datos
(coeficientes de las variables y valores independientes o lados derechos de las ecuaciones) que se encuentran
en la fig.#2.
En la primera fila se ubican los coeficientes de la función objetivo, por eso la fila inicia en la tercera columna
con la notación Cj (costos de la función objetivos), que como se podrá ver son 0, 0, 0, 0, 1,1. En la segunda
fila aparecen los nombres de las seis variables (X1, X2, H1, H2, A1, A2) coincidiendo cada variable con los
valores o costos de la primera fila.
En la primera columna ubicamos la notación XB que representa a las variables básicas y puede ver que bajo
de ella aparecen, A1, A2. Cuando se inicia la primera fase del Simplex se debe empezar con las variables
artificiales como variables básicas.
5
ASIGNATURA:
En la segunda columna, segunda fila ubicamos la notación CB, esta notación representa a los coeficientes o
costos de las variables básicas que aparecen en la primera columna, los cuales son: A1=1 y A2=1. Como se
muestra en la tabla.
En la tercera columna, segunda fila ubicamos la notación “b” que representa los valores de los lados derechos
de las ecuaciones o restricciones del problema.
En la cuarta columna, segunda fila ubicamos la variable X1 y debajo de ella los coeficientes respectivos en
cada una de las dos ecuaciones.
En la quinta columna, segunda fila ubicamos la variable X2 y debajo de ella los coeficientes respectivos en
En la sexta columna, segunda fila ubicamos la variable H1 y debajo de ella los coeficientes respectivos en cada
una de las dos ecuaciones.
En la séptima columna, segunda fila ubicamos la variable H2 y debajo de ella los coeficientes respectivos en
En la octava columna, segunda fila ubicamos la variable A1 y debajo de ella los coeficientes respectivos en
En la novena columna, segunda fila ubicamos la variable A2 y debajo de ella los coeficientes respectivos en
En la décima columna ubicamos la palabra “Ratio” y debajo de ella los cocientes que resultan de dividir el
valor de cada “b” por el coeficiente de la variable que se elija como entrante a las básicas.
En la quinta fila ubicamos la notación Zj que representa el resultado de multiplicar cada costo de las variables
básicas por cada columna donde se ubican las variables del modelo.
6
ASIGNATURA:
En la sexta fila ubicamos la notación Cj – Zj que es la diferencia entre los costos y los valores de Z
que calculamos en la fila anterior.
Iteración 1:
Una vez que hemos llenado el tabloide procedemos a realizar el proceso de optimización (1ra. Fase) para
lo cual se debe:
Observamos la sexta fila y buscamos los Cj – Zj < 0 y podemos ver que hay dos valores -2 y -2.8,
seleccionando al más negativo, o sea -2.8 correspondiente a la variable X2, que será la variable que entrará a
ser básica.
Una vez seleccionada X2 procederemos obtener los cocientes de cada b entre los coeficientes de X2.
100/0.8=120; 200/2=100, el cociente más pequeño es 100, esto indica que la variable básica que saldrá es A2.
El número pivote es 2, por lo que procedemos a multiplicar por la fila por 0.5, con el propósito de que el
número pivote sea uno. (ver tabloide 2)
Ahora debemos hacer cero el valor 0.8 encima del valor pivote para ello multiplicamos la fila 4 por -0.4 y el
resultado se lo sumamos a la fila 3. (ver tabloide 2)
Ahora calculamos los Zj en cada columna de las variables del tabloide (ver tabloide 2). Calculamos los Cj – Zj
y los resultados los vemos en el tabloide 2.
7
ASIGNATURA:
Iteración 2:
1. Observamos la sexta fila y buscamos los Cj – Zj < 0 y podemos ver que hay dos valores -0.6 y -0.4,
seleccionando al más negativo, o sea -0.6 correspondiente a la variable X1, que será la variable que entrará a
ser básica.
2. Una vez seleccionada X1 procederemos obtener los cocientes de cada b entre los coeficientes de X1.
20/0.6=33.33; 100/0.5= 200, el cociente más pequeño es 33.33, esto indica que la variable básica que saldrá es
A1.
3. El número pivote es 0.6, por lo que procedemos a multiplicar por la fila por 1/0.6, con el propósito de que
el número pivote sea uno. (ver tabloide 3)
4. Ahora debemos hacer cero el valor 0.5 debajo del valor pivote para ello multiplicamos la fila 3 por -0.5 y a
la fila 4 por 0.6. y sumamos dichas filas (ver tabloide 3).
5. Ahora calculamos los Zj en cada columna de las variables del tabloide (ver tabloide 3)
6. Calculamos los Cj – Zj y los resultados los vemos en el tabloide 3.
8
ASIGNATURA:
Vemos los Cj-Zj del tabloide 3; y vemos que no hay ningún valor menor que cero, es decir que todos los Cj-
Zj≥0. Por lo que hemos llegado al fin de la 1ra. Fase. Esto nos permite pasar a la 2da. Fase.
2da. Fase:
Se sustituyen los C, por los originales y se recalcula la solución:
Se eliminan las variables artificiales del último tabloide.
Recalcula los Zi y los Cj-Zj Por lo que obtenemos el tabloide siguiente.
1. Observamos la sexta fila y buscamos los Cj – Zj ≥0 por lo que hemos llegado al óptimo.
Por lo que la solución óptima será:
X1=33.33
X2=83.33
Z=80*33.33 + 124*83.33= 12,999.32=13,000
9
ASIGNATURA:
Ejercicio:
Se va a organizar una planta de un taller de automóviles donde van a trabajar electricistas y
mecánicos; por necesidades de mercado, es necesario que el número de mecánicos sea igual o
mayor al número de electricistas y que el número de mecánicos no supere al doble que el de
electricistas. En total hay disponibles 20 electricistas y 30 mecánicos. El beneficio de la
empresa por jornada es de 25000 u.m. por electricistas y 20000 por mecánico. ¿Cuántos
trabajadores de cada clase deben elegirse para obtener el máximo beneficio?
Número de mecánicos > Número de electricistas

Número de mecánicos ≤ Doble número de electricistas
Disposición Beneficios por jornada

20 electricistas 25000
30 mecánicos 20000
PLANTEAMIENTO
𝑿𝟏 Número de mecánicos a elegir por jornada
𝑿𝟐 Número de electricistas a elegir por jornada
MAX Z = 20000 X1 + 25000 X2
Sujeta a:
1. X1 ≤ 30
2. X2 ≤ 20
3. X1 – X2 ≥ 0
4. X1 – 2X2 ≤ 0
X1, X2 ≥ 0
10
ASIGNATURA:
FASE 1
11
ASIGNATURA:
12
ASIGNATURA:
0 0 0 0 0 0 -1 0
X1 X2 S1 S2 S3 S4 ART. SOL.
0 S1 1 0 1 0 0 0 0 30
0 S2 0 1 0 1 0 0 0 20
0 S3 1 -2 0 0 1 0 0 0
-1 ART. 1 -1 0 0 0 -1 1 0
Z -1 1 0 0 0 1 -1 0
-1 1 0 0 0 1 0 0
S1 1 0 1 0 0 0 0 30
S2 0 1 0 1 0 0 0 20
S3 1 -2 0 0 1 0 0 0
ART. 1 -1 0 0 0 -1 1 0
Z -1 1 0 0 0 1 0 0
S1 1 0 1 0 0 0 0 30
S2 1 0 0 1 0 -1 1 20
S4 -1 0 0 0 1 2 -2 0
X2 -1 1 0 0 0 1 -1 0
Z 0 0 0 0 0 0 1 0
TERMINA FASE 1 Y COMIENZA FASE 2
20000 25000 0 0 0 0 0
X1 X2 S1 S2 S3 S4 SOL.
0 S1 1 0 1 0 0 0 30
0 S2 1 0 0 1 0 -1 20
0 S4 -1 0 0 0 1 2 0
25000 X2 -1 1 0 0 0 1 0
Z -45000 0 0 0 0 25000 0
13
ASIGNATURA:
14
ASIGNATURA:
15
ASIGNATURA:
16
ASIGNATURA:
X1 1 0 0 1 0 -1 20
S1 0 0 1 -1 0 1 10
S4 0 0 0 1 1 1 20
X2 0 1 0 1 0 0 20
Z 0 0 0 45000 0 -20000 900000
X1 1 0 1 0 0 0 30
X2 0 1 0 1 0 0 20
S2 0 0 1 -1 0 1 10
S4 0 0 -1 2 1 0 10
Z 0 0 20000 25000 0 0 1,100,000
COMPROVANDO
FUNC. OBJ. Z = 20000(30) + 25000(20) = 1,100,000
Z= 1,100,000
X1 = 30
X2 = 20
17
ASIGNATURA:
Bibliografía
Archivo PDF: Prof.: MSc. Julio Rito Vargas Avilés. Octubre 2012
http://www.phpsimplex.com/teoria_metodo_simplex.htm
INVESTIGACIÓN DE OPERACIONES I
UNIVERSIDAD HISPANOAMERICANA
ESCUELA DE INGENIERÍA INDUSTRIAL
Ing. Claudio A. Sánchez M.
DIRECTOR DE LA FCA
Dr. Juan Alberto Adam Siade
SECRETARIO GENERAL
Mtro. Tomás Humberto Rubio Pérez
––––
COORDINACIÓN GENERAL
Mtra. Gabriela Montero Montiel
Jefe de la División SUAyED-FCA-UNAM
COORDINACIÓN ACADÉMICA
Mtro. Francisco Hernández Mendoza
FCA-UNAM
––––
AUTOR
Mtro. Juan Carlos Luna Sánchez
REVISIÓN PEDAGÓGICA
Lorelei Lizbeth Mendoza Rodríguez
CORRECCIÓN DE ESTILO
Mtro Francisco Vladimir Aceves Gaytán
DISEÑO DE PORTADAS
L.CG. Ricardo Alberto Báez Caballero
Mtra. Marlene Olga Ramírez Chavero
DISEÑO EDITORIAL
Mtra. Marlene Olga Ramírez Chavero
18

Antonio Flores Flores - T2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Antonio Flores Flores - T2

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD VASCONCELOS

LICENCIATURA EN INGENIERÍA INDUSTRIAL

ING. GERARDO GÓMEZ DE LA CRUZ

CUATRIMESTRE IV GRUPO “A”

Opinión personal ………………………………………………………………... 3

Método simplex de las dos fases …………………………………………......... 4

Método simplex de las dos fases

6. Calculamos los Cj – Zj y los resultados los vemos en el tabloide 3.

Número de mecánicos > Número de electricistas

Disposición Beneficios por jornada

MAX Z = 20000 X1 + 25000 X2

TERMINA FASE 1 Y COMIENZA FASE 2

FUNC. OBJ. Z = 20000(30) + 25000(20) = 1,100,000

También podría gustarte