Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCIN
Anteriormenteutilizamoselmtodogrficopararesolverproblemas de dos variables,
sin embargo en la realidad pocos casos tienen slo dos variables, por lo que es importante
contar con herramientas que nos permitan resolver modelos con ms de dos variables. En
1947 el matemtico norteamericano Jorge Dantzig desarroll un algoritmo para resolver
problemas de PL de dos o ms variables conocido como mtodo smplex.
El mtodo smplex es otra de las herramientas importantes con que cuenta la investigacin
de operaciones para apoyar la toma de decisiones cuantitativas, es decir, este mtodo se
utiliza para resolver modelos de programacin lineal, del mismo modo que el mtodo
grfico,conlaventajadenotenerlmiteenlacantidaddevariables de decisin que
se incorporen al modelo. Por lo tanto se pueden manejar n variables y m restricciones,
siempre y cuando cumplan con las caractersticas de la programacin lineal.
El mtodo es un procedimiento general para resolver problemas de programacin lineal.
Desarrollado por George Dantzig, est comprobada su extraordinaria eficiencia, y se usa
en forma rutinaria para resolver problemas grandes en computadoras actuales. Tambin se
usan extensiones y variaciones del mtodo Simplex para realizar anlisis pos ptimo (que
incluye el anlisis de sensibilidad) sobre el modelo.
1.1. BIOGRAFA DE GEORGE BERNARD DANTZIG
George Bernard Dantzig Ourisson
naci el 8 de Noviembre de 1914 en
Portland, en el estado de Oregon de
los Estados Unidos de Amrica. Hijo
de Tobas Dantzig, matemtico ruso,
y Anja Ourisson, lingista francesa
especializada en idiomas eslavos,
quienes emigraron a EEUU en 1910,
despus de casarse.
El pequeo George estudi en las escuelas Powell Junior High School y Central High
School. Desde su infancia comenz a mostrar un especial inters por la geometra,
instigado tambin por su propio padre, quien le propona complicados problemas de
geometra proyectiva.
George Dantzig realiz sus estudios universitarios en la Universidad de Maryland
donde obtuvo una licenciatura en Matemticas y Fsica en 1936. Sin embargo le
Pgina 1
defraud el hecho de no haber visto ni una sola aplicacin real de las matemticas en
ninguna de las materias que haba cursado.
Sin embargo, no acabara el doctorado hasta 1946 ya que cuando Estados Unidos
entr en la contienda de la Segunda Guerra Mundial a finales de 1941, interrumpi sus
estudios por segunda vez y se traslad a Washington para unirse a las Fuerzas Areas
de Estados Unidos. All ocup un puesto de jefe en la subdivisin civil de anlisis de
combate en el Centro de Control Estadstico (U.S.A.F. Headquarters Statistical
Control). Su labor consista en la recopilacin de datos y anlisis de los combates
areos (nmero de misiones, bombas lanzadas, aeronaves perdidas, tasas de
desercin), as cmo lidiar con las logsticas de la cadena de abastecimiento y la
gestin de cientos de miles de diferentes tipos de recursos materiales y humanos.
Toda esa planificacin se llevaba a cabo mediante tcnicas manuales, por lo que
fueron estos problemas, aparentemente irresolubles, los que estimularon la bsqueda
de un modelo matemtico y sentaron las bases de lo que sera la programacin lineal.
Por el trabajo realizado durante la Segunda Guerra Mundial fue galardonado con la
medalla al excepcional servicio civil prestado al Departamento de Guerra (War
Department's Exceptional Civilian Service Medal) en 1944.
Al terminar la guerra, volvi a Berkeley para
finalizar el doctorado que haba dejado
interrumpido. Una vez obtenido el ttulo, le
ofrecieron un puesto en la Universidad que
rechaz por ser un cargo modesto aunque con un
buen salario (14 mil dlares anuales).
As pues, en junio de 1946 se encontraba de
nuevo en Washington considerando varias ofertas
de trabajo. Finalmente, persuadido por sus
colegas de la U.S.A.F. se decant por el cargo de
asesor matemtico para las Fuerzas Areas.
Trabaj en una metodologa para calcular el tiempo de duracin de las etapas de un
programa de despliegue, entrenamiento y suministro logstico de forma ms rpida y
eficiente a la utilizada hasta el momento. Se trataba de intentar mecanizar todo el
proceso de planificacin. Esto le llev a realizar sus grandes descubrimientos.
En el verano de 1947 realiz la primera formulacin del mtodo Simplex.
El primer problema prctico resuelto con este nuevo mtodo fue el problema de
nutricin que haba planteado George Joseph Stigler a finales de la dcada anterior,
debido al inters del ejrcito americano por encontrar una dieta equilibrada para
alimentar a sus tropas, que cumpliera con unos requisitos mnimos de nutricin y
fuese econmica. El problema, que constaba de 9 ecuaciones y 77 incgnitas, fue
resuelto manualmente tras 120 das de trabajo. Se demostr que el resultado
Pgina 2
realidad nunca pens que fuese a resultar tan eficiente. Por aquel entonces yo an
tena poca experiencia con problemas de grandes dimensiones y no confiaba en mi
intuicin geomtrica. Por ejemplo, pensaba que el procedimiento requerira
demasiados pasos de un vrtice al siguiente. En la prctica son muy pocos pasos.
Dicho con pocas palabras, la intuicin en espacios de grandes dimensiones no es
muy buena gua. Slo ahora, 52 aos despus de haber propuesto el mtodo
Simplex por primera vez, la gente est comenzando a tener una idea de por qu el
mtodo funciona tan bien como lo hace.
El 13 de Mayo de 2005,
George Bernard Dantzig,
falleci a la edad de 90 aos
en su casa de Stanford
debido a complicaciones con
la diabetes y problemas
cardiovasculares.
2. OBJETIVOS
3. DEFINICION
El Mtodo Simplex es un mtodo analtico de solucin de problemas de programacin
lineal capaz de resolver modelos ms complejos que los resueltos mediante el mtodo
grfico sin restriccin en el nmero de variables.
Es un procedimiento iterativo que permite ir mejorando las soluciones a cada paso. El
proceso concluye cuando ya no es posible seguir mejorando dicha solucin.
De acuerdo con Fuentes Rodrguez (2012) El mtodo simplex, es una herramienta
algebraica que permite localizar de manera eficiente el ptimo entre los puntos extremos de
una solucin a un problema de programacin lineal. Este mtodo utiliza el lgebra de
matrices, en el cual se forma la inversa de una matriz para resolver una serie de
ecuaciones simultaneas.
Pgina 4
Pgina 5
La forma estndar o cannica del modelo de programacin lineal est compuesta por una
funcin objetivo y un conjunto de restricciones. En general, la forma estndar del modelo
de programacin lineal puede expresarse como:
Zmax =C1x1 +C2x2 ++Cnx n
Sujeto a:
a11x1 + a12x2 +.+ a1nxn b
a21x1 + a22x2 +.+ a2nxn b 2
.
am1x1 + am2x2 ++ amnxn b
x,x2xn 0
Y su forma matricial est dada por la expresin:
Zmax =CX
Sujeto a:
AX B
X0
Donde:
C=Eslamatrizdecostosoutilidades,formadaporloscoeficientes de la
funcin objetivo.
A =Eslamatrizdecoeficientesdelsistemaformadoporlasrestricciones.
B = Es la matriz columna de trminos independientes del sistema de restricciones.
X = Es la matriz columna de las variables x1,x2,x3,.xn del sistema de restricciones.
4.1. APLICACIONES
Pgina 6
Este mtodo ha sido de suma utilidad para el desarrollo de software que facilitan el
proceso de clculos un ejemplo de ello es el TORA.
Este tipo de problemas tiene mltiples aplicaciones ms all de encontrar una ruta
mnima en logstica, siendo utilizada en la actualidad en reas como diseo de chips,
secuenciacin del genoma, observaciones astronmicas de la NASA, etc.
5. ALGORITMO SMPLEX
5.1. PROCEDIMIENTO DE RESOLUCION DEL METODO SIMPLEX
Partiendo de un modelo de programacin lineal en su forma estndar se realizan los
siguientes pasos:
Paso
1. Convertir las desigualdades en igualdades al sumarles una variable de
holgura hi . Esta variable representa la cantidad que le falta a la desigualdad para ser
igualdad. Las variables de holgura siempre son positivas.
a11x1 + a12x2 ++ a1nxn + h1 = b 1
a21x1 + a22x2 +...+ a2nxn + h2 =
b2
.
.
am1x1 + am2x2 +...+ amnxn + hm = b m
Paso 2. Escribir la funcin objetivo como una igualdad a cero sumando las variables
de holgura hi concoeficienteceroyconservandopositivoelcoeficientede Zmax ,
es decir:
Zmax C1x1 C2x2 ..Cnxn +0h1 +0h2 +.+0hm = 0
Paso
Seconstruyeunatablacomolaquesemuestraacontinuacin:
Pgina 7
EnlaprimeraceldaescribimoslaetiquetaVariablesbsicas,en la siguiente la
etiqueta Z, despus de esta celda se escriben los nombres de las variables originales
del modelo, seguidas de las variables de holgura. En la ltima celda se coloca la
etiqueta Solucin.
Enlaprimeracolumnayapartirdeltercerrenglnseenlistanverticalmente
todas las variables de holgura empleadas. Tambin a partir del tercer rengln y
despusdelaprimeraceldadelmismo,secolocanloscoeficientes de cada
unade las restricciones en la columna de la variable correspondiente (esto genera los
componentes de una matriz identidad en las variables de holgura).
Se desea Maximizar:
Sujeto a las siguientes restricciones:
2 X 1+ X 2 4
X 1 +2 X 2 3
2 X 1+ X 2 + X 3 +
+ X4
X 1 +2 X 2 + 3
+
Z X 10.5 X 2 +
4.- Se inicia la tabla simplex o matriz nueva, usando los coeficientes de las variables:
Variabes
Bsicas
X3
X4
Pgina 10
X1
X2
X3
X4
Lado
Derecho
4
-1
-0.5
5.- Se busca el menor negativo y el menor positivo para encontrar el nmero pivote:
Variabes
Bsicas
X3
X4
X1
X2
X3
X4
Lado
Derecho
4
-0.5
Z
1
-1
El menor positivo es: -1
Para encontrar el menor positivo se divide el lado derecho entre la columna donde se
encuentra el menor negativo:
4 2=2
3 1=3
El menor positivo es: 2
El nmero pivote es el que tienen en comn la fila del menor positivo y la columna del
menor negativo:
Variabes
Bsicas
X3
X4
Z
X1
X2
X3
X4
Lado
Derecho
4
3 1=3
-1
-0.5
0 1=0
4 2=2
6.- Se busca la matriz nueva; para encontrar los valores de la matriz nueva en su primer
fila se dividirn los valores de la primera fila de la matriz vieja entre el nmero pivote de
la fila misma:
Z :0 2=0
X 1 :2 2=1
X 2 :1 2=0.5
X 3 :1 2=0.5
X 4 :0 2=0
LD: 4 2=2
Pgina 11
Variabes Z
Bsicas
X3
0
X1
1
X2
0.5
X3
0.5
X4
0
Lado
Derecho
2
X4
Z
Para encontrar el resto de los valores se realizarn los siguientes clculos matemticos:
Pgina 12
Z :0(10)=0
X 1 :1(11)=0
X 2 :2(10.5)=1.5
X 3 :0 (10.5 ) =0.5
X 4 :1( 10 ) =1
LD :3(12)=1
X1
X2
X3
X4
0.5
0.5
Lado
Derecho
2
1.5
-0.5
Z
Para encontrar la ltima fila de nuestra matriz nueva se realiza el mismo procedimiento:
Z :1(10)=1
X 1 :1(11)=0
X 2 :0.5(10.5)=0
X 3 :0 (10.5 )=0.5
X 4 :0(10 )=0
LD : 0(12)=2
pg. 13
MATRIZ VIEJA
Variables
Bsicas
X3
X4
Z
X1
X2
X3
X4
Lado
Derecho
4
-1
-0.5
MATRIZ NUEVA
Variables Z
Bsicas
X3
0
X4
Z
X1
X2
X3
X4
0.5
0.5
Lado
Derecho
2
1.5
-0.5
0.5
pg. 14
6. VENTAJAS Y DESVENTAJAS
7. CONCLUCIONES
8. BIBLIOGRAFIA
Pgina 15