Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Método símplex.
• Casos especiales de programación lineal.
• Análisis de sensibilidad e interpretación de resultados.
• Uso de software.
El método símplex
El método gráfico indica que la solución óptima de un programa lineal siempre está asociada
con un punto esquina del espacio de soluciones. Este resultado es la clave del método
símplex algebraico y general para resolver cualquier modelo de programación lineal.
La transición de la solución del punto esquina geométrico hasta el método símplex implica
un procedimiento de cómputo que determina en forma algebraica los puntos esquina. Esto
se logra convirtiendo primero a todas las restricciones de desigualdad en ecuaciones, para
después manipular esas ecuaciones en una forma sistemática.
Una propiedad general del método símplex es que resuelve la programación lineal en
iteraciones. Cada iteración desplaza la solución a un nuevo punto esquina que tiene
potencial de mejorar el valor de la función objetivo. El proceso termina cuando ya no se
pueden obtener mejoras.
El método símplex implica cálculos tediosos y voluminosos, lo que hace que la computadora
sea una herramienta esencial para resolver los problemas de programación lineal. Por
consiguiente, las reglas computacionales del método símplex se adaptan para facilitar el
cálculo automático.
Pasos del método símplex
Método símplex
5. En el modelo de Reddy Mikks, use TORA para demostrar que la eliminación de las
restricciones de materia prima (restricciones 1 y 2) dan como resultado un espacio de
soluciones no acotado.
¿Qué se puede decir en este caso, acerca de la solución óptima del modelo?
CONJUNTO DE PROBLEMAS 2.2C
Use TORA para demostrar que el modelo resultante tiene restricciones conflictivas que no
se pueden satisfacer al mismo tiempo, y en consecuencia, no tiene solución factible.
Análisis de sensibilidad
Un modelo de programación lineal es una foto instantánea de una situación real en la que los
parámetros del modelo (coeficientes de la función objetivo y de las restricciones) asumen
valores estáticos. Para aumentar la aplicación de la programación lineal en la práctica, se
necesita agregar una dimensión dinámica que investigue el impacto que tiene hacer cambios
en los parámetros del modelo (coeficientes de la función objetivo y de las restricciones)
sobre la solución óptima. A este proceso se le llama análisis de sensibilidad, porque estudia
la sensibilidad de la solución óptima respecto a los cambios que se hagan en el modelo.
Un recurso se llama escaso si las actividades (variables) del modelo lo usan por completo. En
caso contrario, es abundante. Esta información se obtiene en la tabla óptima revisando el valor
de la variable de holgura asociada con la restricción que representa el recurso. Si la variable de
holgura es cero, el recurso se usa por completo, y el recurso es escaso. En caso contrario, una
holgura positiva indica que el recurso es abundante.
Análisis de sensibilidad
Análisis de sensibilidad
En este resultado se ve que las holguras de las dos primeras restricciones son cero, lo cual
significa que las materias primas M1 y M2 se consumen por completo. La holgura de la
tercera restricción es igual a 2.5 toneladas, y eso significa que la restricción se sobresatisface
(porque la cantidad de pintura para interiores es menor que la de pintura para exteriores). La
holgura asociada con la cuarta restricción indica que la cantidad de pintura para interiores es
media tonelada menor que el límite máximo especificado por la demanda.
La parte del análisis de sensibilidad de los resultados trata de los cambios individuales en los
coeficientes de la función objetivo y de los lados derechos de las restricciones. Por ejemplo,
la solución óptima del momento permanecerá sin cambio mientras la utilidad por tonelada
de pintura para exteriores esté entre $2 y $6 (miles). También, la factibilidad de la solución
actual no se afecta mientras la disponibilidad diaria de la materia prima M1 se conserve
entre 20 y 36 toneladas.
Análisis de sensibilidad
Se deben explicar dos columnas adicionales: el costo reducido (reduced cost) y el precio dual
(dual price) de una restricción.
A continuación pasaremos a la definición del precio dual. Esta medida representa en realidad
el valor por unidad de un recurso, expresa la contribución de un aumento o disminución
unitarios en la disponibilidad de un recurso sobre la función objetivo. Entre otros nombres
menos comunes, están precios sombra y multiplicadores símplex. Aunque el nombre valor
por unidad de un recurso mejor descripción de lo que significa la medida, usaremos el
nombre precio dual, por ser normal en los resultados de todos los programas lineales
comerciales.
Análisis de sensibilidad
Los precios duales de las materias primas M1 y M2 son 0.75 y 0.5, es decir, $750 y $500 por
tonelada, respectivamente. Como ilustración, si la disponibilidad de M1 baja de su nivel
actual de 24 toneladas a 22 toneladas, el valor óptimo de la función objetivo cambiará en
$750 X (22 – 24) = - $3000.
Por otro lado, si el aumento es de 24 a 40 toneladas (que cae fuera del intervalo de
factibilidad), se debe resolver de nuevo este problema.
Los precios duales para las restricciones tercera y cuarta, del modelo de Reddy Mikks, son
cero para los intervalos (-1.5, ꝏ) y (1.5, ꝏ), respectivamente. Este resultado indica que los
aumentos en los recursos que representan los límites de mercado para la producción de
pinturas para interiores y para exteriores no tienen efecto sobre la solución óptima del
momento, o actual. Por otra parte, si la parte del mercado de la pintura para interiores baja
de 1.5 toneladas diarias, cambiará la solución óptima.
CONJUNTO DE PROBLEMAS 2.3B
Antes de poder utilizar el algoritmo símplex para resolver un problema lineal, éste
se debe convertir en un problema equivalente en el cual todas las restricciones son
ecuaciones y todas las variables son no negativas. Se dice entonces que un
problema lineal está en la forma estándar.
(Wayne, 2005)
Condiciones del método símplex
1. Todas las restricciones (excepto las de no negatividad) son ecuaciones con lado
derecho no negativo.
Para convertir una desigualdad en ecuación se agrega una variable de holgura al lado izquierdo de
la restricción.
Para convertir una desigualdad en ecuación se logra restando una variable de excedencia al
lado izquierdo de la ecuación.