MODELOS DE DECISIÓN

Teoría del método simplex

Variantes en las aplicaciones
(casos especiales).
Existen casos especiales que se encuentran a
menudo en las aplicaciones del método simplex, los
más importantes son:

1. Degeneración.

2. Soluciones óptimas múltiples.

3. Soluciones óptimas no acotadas.

4. Soluciones factibles no existentes.

5. Variables no restringidas en signo.

 1. DEGENERACION.
Un empate al elegir la variable que sale se rompe
arbitrariamente. El problema ocurre en la siguiente iteración
donde los valores de una o más variables básicas llegan a ser
cero, en cuyo caso se dice que la solución es degenerada.
En este punto no existe la seguridad de que el valor de la
función objetivo mejorará, ya que la nueva solución óptima
puede permanecer degenerada de ser así, es posible que las
iteraciones del simplex entren en un circuito que repetirá las
misma(as) sucesión de iteraciones sin alcanzar nunca la óptima.
El problema se conoce como ciclaje y afortunadamente raras
veces se presenta en la práctica. En una situación de
degeneración es esencial llevar las iteraciones del método
simplex hasta que se satisfaga completamente la condición
optima.
 EJEMPLO:
Maximizar Sujeto a:

8/4=2
4/2=2

Iteración 1
 Iteración 2

Solución óptima

 𝑿 𝟏=𝟎   2   18
EJEMPLO:

12/4=3

8/4=2

8/4=2
 Iteración 1

4/2=2

2/{1/4}=8

Iteración 2

Solución óptima
  = 𝟑
𝑿 𝟏   2  5
𝟐
 2. SOLUCIONES ÓPTIMAS MULTIPLES.

Existen problemas que tienen más de una solución óptima. En

este caso se dice que se tienen soluciones óptimas múltiples
debido a que la solución óptima se encuentra en un segmento
de recta que es acotado por una de las restricciones.

  Zx = 2 Sujeto a: 𝑿
  𝟏 +𝟐 𝑿 𝟐 ≤ 𝟓
 𝑿 𝟏 + 𝑿 𝟐 ≤ 𝟒
  0

Z ࢄ૚ ࢄ૛ ࡿ૚ ࡿ૛ R
Z F1 1 -2 -4 0 0 0

R1 F2 0 1 2 1 0 5 5/2=2.5

R2 F3 0 1 1 0 Q 4 4/1=4
 Iteración 1
Solución 1
Z ࢄ૚ ࢄ૛ ࡿ૚ ࡿ૛ R
  0
Z F1 1 0 0 2 0 10
૚ ૚ ૞   /2
R1 F2 0 ૛
1 0 ૛
૛

R2 F3 0 ૚
0 -
૚
0 ૜   10
૛ ૛ ૛

Z ࢄ૚ ࢄ૛ ࡿ૚ ࡿ૛ R
Z F1 1 0 0 2 0 10
૚ ૚ ૞
R1 F2 0 ૛
1 0 ૛ {5/2}/{1/2} = 5
૛
૚
૚ ૚
૚
R2 F3 0 ૛
0 -
૛
૛
0 ૜
૜ {3/2}/{1/2} = 3
૛
૛
 Iteración 2

Z ࢄ૚ ࢄ૛ ࡿ૚ ࡿ૛ R
Z F1 1 0 0 2 0 10

R1 F2 0 0 1 1 -1 1
R2 F3 0 1 0 -1 2 3

  3   1   10

  Zx = 2

  Zx = 2(1)

  Zx = 10
 3. SOLUCIONES OPTIMAS NO ACOTADAS.

Existen problemas para los cuales una o más de las

variables pueden aumentarse indefinidamente mejorando en
forma indefinida la función objetivo. En esta situación, se
dice que la solución óptima no está acotada, por lo que la
solución óptima es infinita.
𝑿
  𝟏 − 𝑿 𝟐 ≤𝟏𝟎
  Zx = 2 Sujeto a:
 𝟐 𝑿 𝟏 ≤ 𝟒𝟎
  0

Z ࢄ૚૚ ࢄ૛ ࡿ૚ ࡿ૛ R
Z F1 1 -2 -1 2 0 0

R1 F2 0 1 -1 1 0 10 10/1 = 10

R2 F3 0 2 0 0 1 40 40/2 = 20
 Iteración 1

Z ࢄ૚ ࢄ૛ ࡿ૚ ࡿ૛ R
Z F1 1 0 -3 2 0 20

R1 F2 0 1 -1 1 0 10
R2 F3 0 0 2 -2 1 20

Z ࢄ૚ ࢄ૛ ࡿ૚ ࡿ૛ R
Z F1 1 0 -3 2 0 20

R1 F2 0 1 -1 1 0 10 No hay prueba por se

negativo
R2 F3 0 0 2 -2 1 20
 Iteración 2

Z ࢄ૚ ࢄ૛ ࡿ૚ ࡿ૛ R
૜
Z F1 1 0 0 -1 ૛
50
૚
R1 F2 0 1 0 0 ૛
20
૚
R2 F3 0 0 1 -1 ૛
10

Como no es posible hacer la prueba del cociente

mínimo, puedo concluir que la solución “Z” es no
acotada.

  0   10   50

  Zx = 2

  Zx = 2

  Zx = 50