INVESTIGACIÓN DE OPERACIONES

Métodos de Resolución de problemas de PL

Temuco, 2020
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
2.      Función objetivo de
maximización
3.      Todas las variables de las
ecuaciones (función objetivo y
restricciones) en el lado izquierdo
del signo igual. En el lado derecho
del signo igual, solo debe quedar
una constante.
4.      Ajustar las constantes del
lado derecho de las restricciones,
para que tengan valores no
negativos.
Método Simplex
• Considere el siguiente modelo lineal:

Max Z = 6X1 + 7X2

S. A. 2X1 + 3X2 ≤ 24
2X1 + 1X2 ≤ 16
X1, X2 ≥ 0

5
Método Simplex

• Forma estándar del problema lineal:

Max Z - 6X1 - 7X2 - 0X3 - 0X4 = 0

S. A. 2X1 + 3X2 + 1X3 = 24
2X1 + 1X2 + 1X4 = 16
X1, X2 , X3, X4 ≥ 0

6
Método Simplex
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

7
Método Simplex

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.

8
Tabla Simplex inicial
  X1 X2 X3 X4
Z -6 -7 0 0  0
X3 2 3 1 0 24
X4 2 1 0 1 16

9
Iteración
Verificar si se está en el
óptimo

Variable básica entrante

Variable básica saliente • Prueba del cuociente mínimo

• Se genera la estructura de base

Se actualiza la base para la variable básica entrante

10
MÉTODO SIMPLEX: PRUEBA DE LA OPTIMALIDAD

Según la condición de
Optimalidad, ninguno
En ese caso, se ha
de los coeficientes de
llegado a la tabla
la fila z, bajo las
simplex óptima.
variables no básicas,
deben ser negativos.
 Tabla Simplex: Prueba de la
optimalidad

  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.

12
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.
Tabla Simplex: Variable básica
entrante

  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.

14
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.
 Tabla Simplex: Variable básica
saliente

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

  = 8, por tanto, la variable saliente es X3

16
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.

 Obtención del pivote en
la tabla

X1 X2 X3 X4  

Z -6 -7 0 0 0

X3 2/3 1 1/3 0 8

X4 2 1 0 1 16 18
Actualización de la base

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:

19
Obtención de ceros en la
columna

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
20
Actualización de la base
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:

21
Obtención de ceros en
la columna

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
22
Actualización de la base

Es esta tabla la variable X2 es

Luego se actualiza el indicador variable básica y reemplaza a la
de las variables básicas variable X3, que antes de la
iteración estaba como básica.

23
 Nueva tabla

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
24
Base actual
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

25
 Posible nueva iteración

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:
26
Tabla con la nueva iteración
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

27
Tabla actual
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

28
Casos particulares

Solución
no acotada

Soluciones
múltiples

29
Solución no acotada
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

30
Ejemplo de solución no acotada
X1 X2 X3 X4  
Z -6 -7 0 0 0
X3 2/3 0 1 0 8
X4 2 -1 0 1 16

31
Ejemplo de solución no acotada
Para seleccionar variable saliente
se debe realizar la prueba del
En la tabla anterior, la solución cuociente mínimo, pero todos
no es óptima y la variable
entrante es X2 los aij para la prueba son
negativos o ceros, por tanto no
existen candidatos.

32
Observación

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

• La tabla anterior si tiene candidato saliente, ya que existe un

aij positivo para la prueba del cuociente
33
Soluciones múltiples

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

34
Soluciones múltiples

Las soluciones múltiples se establecen cuando, en la tabla óptima,

alguno de los coeficientes de costos de las variables no básicas
tienen valor cero.

35
Soluciones múltiples

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.

36
Ejemplo: soluciones
múltiples
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
37
Otra combinación

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
38
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.
Método de las dos fases

• Considere el siguiente modelo lineal:

Max Z = -80X1 - 60X2

S. A. 0.20X1 + 0.32X2 ≤ 0.25
1X1 + 1X2 =1
X1, X2 ≥ 0

40
Método de las dos fases
• Forma estándar del problema lineal

Max Z + 80X1 + 60X2 + 0X3 =0

S. A. 0.20X1 + 0.32X2 + 1X3 = 0.25
1X1 + 1X2 =1
X1, X2 , X3 ≥ 0

41
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

42
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.
Método de las dos fases
• Adición de variables artificiales y cambio de función
objetivo:
Min W = 1A1
S. A. 0.20X1 + 0.32X2 + 1X3 = 0.25
1X1 + 1X2 + 1A1 = 1
X1, X2 , X3, A1 ≥ 0

44
Método de las dos fases
• Ajuste de la función objetivo:
Max W + 1A1 =0
S. A. 0.20X1 + 0.32X2 + 1X3 = 0.25
1X1 + 1X2 + 1A1 = 1
X1, X2 , X3, A1 ≥ 0

45
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.

46
 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.

47
Método de las dos fases

Eligiendo como variable entrante

la variable X1 y por tanto, como
pivote el elemento a21 obtiene la
siguiente tabla luego de la
iteración correspondiente:
48
 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

49
Método de las dos fases
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.

50
Método de las dos fases
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.

51
Método de las dos fases
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.

52
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

53
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

54
 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

55
Gracias por su atención

Temuco, 2020