Ingeniería

Pregrado Industrial

SESIÓN 03:
MÉTODO SIMPLEX, SOLUCIONES POR
COMPUTADORA DE MODELOS DE
PROGRAMACIÓN LINEAL Y USO DE SOLVER

MG.ING. MANUEL CASTILLO ALVARADO

 MÉTODO SIMPLEX
● Es un método alternativo al Método Gráfico. El
procedimiento de resolución por este método
está basado en un algoritmo propio para éste.

● Es un Método Analítico que llega a la solución

óptima por medio de iteraciones sucesivas
usando los conceptos básicos del álgebra
matricial.
● La ventaja de este método, es que puedo
utilizar más de 2 variables y más
restricciones que en el Método Gráfico.
Además, este método se puede programar
en computadora.

● Existen varios softwares aplicativos que

determinan computacionalmente la solución
óptima: SOLVER, TORA, WINQSB, etc…
 PROCEDIMIENTO GENERAL
CASO DE MAXIMIZACIÓN:
1. Convertir las desigualdades de las
restricciones en igualdades empleando
variables de holgura:
a) Si el signo de la restricción es ≤, entonces
sumar una variable de holgura.
b) Si el signo de la restricción es ≥, entonces
multiplicar por -1 y luego sumar una variable
de holgura.
2. Asignar a las variables de holgura en la función
objetivo un coeficiente de valor igual a 0 y construir
la primera tabla en forma matricial.
3. Hallar primero la columna del valor de entrada (VE)
y después la fila del valor de salida (VS). El valor de
entrada (VE) es el más negativo de los valores
correspondientes a la última fila de la tabla y el valor
de salida (VS) es el menor positivo que resulta de
dividir la última columna de la tabla entre la columna
correspondiente al valor de entrada (VE).
4. Hallar la intersección del valor de entrada (VE) y el
valor de salida (VS) llamado Elemento Pivote.
5. Aplicar todas las operaciones matriciales elementales
hasta encontrar la solución óptima. La solución es
óptima cuando los valores correspondientes a la
última fila de la tabla son positivos o ceros.
6. Si la solución no es óptima, entonces regresar al paso
3 hasta encontrar la solución óptima.
 CASO DE MINIMIZACIÓN:
1. Convertir las desigualdades de las
restricciones en igualdades empleando
variables de holgura:
a) Si el signo de la restricción es ≤, entonces
sumar una variable de holgura.
b) Si el signo de la restricción es ≥, entonces
multiplicar por -1 y luego sumar una variable
de holgura.
2. Asignar a las variables de holgura en la
función objetivo un coeficiente de valor igual
a 0 y construir la primera tabla en forma
matricial.
3. Hallar primero la fila del valor de salida (VS)
y después la columna del valor de entrada
(VE). El valor de salida (VS) es el más
negativo de los valores correspondientes a la
última columna de la tabla y el valor de
entrada (VE) es el menor positivo que resulta
de dividir la última fila de la tabla entre la fila
correspondiente al valor de salida (VS).
4. Hallar la intersección del valor de entrada
(VE) y el valor de salida (VS) llamado
Elemento Pivote.
5. Aplicar todas las operaciones matriciales
elementales hasta encontrar la solución
óptima. La solución es óptima cuando los
valores correspondientes a la última fila de la
tabla son positivos o ceros.
6. Si la solución no es óptima, entonces
regresar al paso 3 hasta encontrar la
solución óptima.
 EJEMPLO 1
SIDERPERÚ produce 3 tipos de aleaciones a partir de hierro,
cromo y zinc. En la siguiente tabla se presenta información
sobre el número de barras que se utilizan para producir una
tonelada de aleación.
TIPO DE ALEACIÓN BARRAS
(PRODUCCIÓN DE 1 TONELADA) DISPONIBLES
A1 A2 A3 EN ALMACÉN
HIERRO 10 10 15 1000
CROMO 15 10 5 1500
ZINC 10 5 15 2000
UTILIDAD ($) 100 200 50
 PLANTEAMIENTO DEL PROBLEMA

* VARIABLES DE DECISIÓN:

X1 = TONELADAS DE ALEACIÓN A1 PRODUCIDAS

X2 = TONELADAS DE ALEACIÓN A2 PRODUCIDAS

X3 = TONELADAS DE ALEACIÓN A3 PRODUCIDAS

Z = UTILIDAD TOTAL DE ALEACIONES A1, A2 Y A3

* FUNCIÓN OBJETIVO:
MAXIMIZAR: Z = 100X1 + 200X2 + 50X3

* RESTRICCIONES:
10X1 + 10X2 + 15X3 ≤ 1000
15X1 + 10X2 + 5X3 ≤ 1500
10X1 + 5X2 + 15X3 ≤ 2000
X1 ≥ 0; X2 ≥ 0; X3 ≥ 0
CAPTURA DE PANTALLA DEL SOLVER
 SOLUCIÓN ÓPTIMA EN SOLVER

X1 = 0 TONELADAS DE ALEACIÓN 1

X2 = 100 TONELADAS DE ALEACIÓN 2

X3 = 0 TONELADAS DE ALEACIÓN 3

Z = 20000 DÓLARES
 EJEMPLO 2
Una empresa dedicada a la fabricación de muebles
debe establecer la producción óptima diaria de dos
de sus productos: mesas y sillas.
Estos productos deben pasar por dos de sus
talleres (T1, T2) críticos que laboran las 24 horas
del día.
Cada mesa tarda 6 horas en el taller 1; y 2 horas
en el taller 2 y la ganancia unitaria es de 50 soles;
mientras que cada silla requiere de 1 hora en el
taller 1 y 3 horas en el taller 2 y la ganancia por silla
es de 20 soles.
Determinar la producción óptima solicitada.
 PLANTEAMIENTO DEL PROBLEMA

* VARIABLES DE DECISIÓN:

X1 = CANTIDAD DE MESAS A PRODUCIR

X2 = CANTIDAD DE SILLAS A PRODUCIR

Z = GANANCIA TOTAL DE MESAS Y SILLAS

* FUNCIÓN OBJETIVO:
MAXIMIZAR: Z = 50X1 + 20X2

* RESTRICCIONES:
6X1 + X2 ≤ 24
2X1 + 3X2 ≤ 24
X1 ≥ 0; X2 ≥ 0
CAPTURA DE PANTALLA DEL SOLVER
 SOLUCIÓN ÓPTIMA EN SOLVER

X1 = 3 MESAS

X2 = 6 SILLAS

Z = 270 SOLES
 EJEMPLO 3
La empresa de transportes CARGUEROS, cuenta
con una flota de 30 camiones tipo A y 36 camiones
tipo B. Cada camión tipo A puede transportar una
carga de 20 m3 refrigerados y 40 m3 no
refrigerados y cobra $ 6 por metro cúbico; mientras
que cada camión tipo B puede transportar 30 m3
refrigerados y 30 m3 no refrigerados y cobra $ 8
por m3 de carga.
Un cliente solicita transportar un total mínimo de
900 m3 refrigerados y 1200 m3 no refrigerados.
Determinar el transporte óptimo para el cliente.
 PLANTEAMIENTO DEL PROBLEMA

* VARIABLES DE DECISIÓN:

X1 = CANTIDAD DE CAMIONES TIPO A

X2 = CANTIDAD DE CAMIONES TIPO B

Z = COSTO TOTAL DE TRANSPORTE EN

CAMIONES TIPOS A Y B
* FUNCIÓN OBJETIVO:
MINIMIZAR: Z = 360X1 + 480X2
* RESTRICCIONES:
20X1 + 30X2 ≥ 900
40X1 + 30X2 ≥ 1200
X1 ≤ 30
X2 ≤ 36
X1 ≥ 0; X2 ≥ 0
CAPTURA DE PANTALLA DEL SOLVER
 SOLUCIÓN ÓPTIMA EN SOLVER

X1 = 15 CAMIONES TIPO A

X2 = 20 CAMIONES TIPO B

Z = 15000 DÓLARES