Académique Documents
Professionnel Documents
Culture Documents
etodo Simplex
Metodo Simplex
Carlos Javier Uribe
1 / 32
M
etodo Simplex
Introducci
on
Introduccion
2 / 32
M
etodo Simplex
Introducci
on
M
etodo Simplex
Introducci
on
4 / 32
M
etodo Simplex
Introducci
on
5 / 32
M
etodo Simplex
Introducci
on
6 / 32
M
etodo Simplex
Forma Est
andar de un PL
Forma Estandar
Forma Estandar de un PL
Un programa lineal en la forma estandar:
1
7 / 32
M
etodo Simplex
Forma Est
andar de un PL
Variables artificiales
8 / 32
M
etodo Simplex
Forma Est
andar de un PL
Variables artificiales
9 / 32
M
etodo Simplex
Forma Est
andar de un PL
10 / 32
M
etodo Simplex
Forma Est
andar de un PL
Notacion Estandar
Una vez un programa lineal se ha colocado en forma estandar es
facil identificar los siguientes elementos:
Notacion
xj
cj
,
,
ai,j ,
bi ,
m ,
n ,
11 / 32
M
etodo Simplex
Forma Est
andar de un PL
Forma estandar de un LP
n
X
cj xj
j=1
Sujeto a:
n
X
ai,j xj = bi
i = 1, 2, . . . , m
j=1
xj 0
j = 1, 2, . . . , m
12 / 32
M
etodo Simplex
Forma Est
andar de un PL
En una forma a
un mas compacta, utilizando vectores y matrices,
un programa lineal en su forma estandar se puede expresar como:
Min (o Max) ~c T ~x
Sujeto a:
A~x = ~b
~x ~0
Donde ~c representa el vector de costo o vector de coeficientes de la
funcion objetivo cj , la matriz A es la matriz compuesta por los
coeficientes de restricci
on ai,j , el vector ~b contiene las constantes
de lado derecho bi y el vector ~x las variables de decision xj .
13 / 32
M
etodo Simplex
Puntos Extremos y Soluciones B
asicas
14 / 32
M
etodo Simplex
Puntos Extremos y Soluciones B
asicas
Soluciones basicas
Soluciones basicas
Una soluci
on b
asica de un programa lineal en forma estandar es
una solucion obtenida fijando (igualando) suficiente variables en
cero de tal forma que las restricciones de igualdad del modelo
puedan ser resueltas en un valor u
nico. Las variables fijadas en cero
se denominan no b
asicas mientras que las obtenidas resolviendo el
sistema de ecuaciones se conocen como la base.
15 / 32
M
etodo Simplex
Puntos Extremos y Soluciones B
asicas
16 / 32
M
etodo Simplex
Puntos Extremos y Soluciones B
asicas
17 / 32
M
etodo Simplex
Puntos Extremos y Soluciones B
asicas
18 / 32
M
etodo Simplex
Puntos Extremos y Soluciones B
asicas
M
etodo Simplex
Algoritmo Simplex
Algoritmo Simplex
20 / 32
M
etodo Simplex
Algoritmo Simplex
Algoritmo Simplex
Para ilustrar las diferentes iteraciones en el metodo Simplex se
utiliza una representaci
on conocida como Tableau. De la cual
existen muchas versiones.
El procedimiento inicia en punto extremo de la region factible,
esto es una soluci
on basica factible para el modelo en su
forma estandar. De forma arbitraria y por lo general, se inicia
con el origen1 .
Posteriormente se determina una arista como una direccion de
movimiento Simplex, hacia un punto extremo adyacente a la
solucion actual.
1
M
etodo Simplex
Algoritmo Simplex
Algoritmo Simplex
Cada direccion Simplex se construye incrementando el valor
de una variable no basica, dejando las otras variables no
basicas sin modificar, y calculando el cambio correspondiente
en las variables basicas necesario para preservar la igualdad de
las restricciones.
Despues de determinar las direcciones Simplex se debe
determinar si alguna de ellas se puede seguir desde la solucion
actual para mejorar el valor de la funci
on objetivo.
El costo reducido cj asociado a cada variable basica debe
calcularse posteriormente2 .
2
M
etodo Simplex
Algoritmo Simplex
Algoritmo Simplex
La direccion Simplex incrementando la variable no basica xj
mejora la funcion objetivo para un programa lineal de
maximizacion si el correspondiente costo reducido es mayor
que cero (cj > 0), y para un programa lineal de minimizacion
si es menor que cero (cj < 0).
La longitud del paso () queda determinada por el primer
componente de la soluci
on revisada que viola alguna
restriccion de no negatividad.
x (t)
j
= mn
: xj < 0
xj
23 / 32
M
etodo Simplex
Algoritmo Simplex
Algoritmo Simplex
Si ning
un componente es negativo en la direccion Simplex
para la solucion basica actual, la soluci
on se puede mejorar
ilimitadamente. Esto indica el problema es no acotado.
Despues de cada movimiento en la b
usqueda, la variable no
basica que genera la direcci
on de movimiento entra a la base,
y alguna de las variables basicas (posiblemente sean varias)
que fijan la longitud del paso abandona la base.
24 / 32
M
etodo Simplex
Algoritmo Simplex
Algoritmo Simplex
Algoritmo Simplex
Paso 0: Inicializaci
on. Seleccione cualquier soluci
on basica factible inicial.
Paso 1: Direcciones Simplex. Calcule los costos reducidos asociados a
incrementar cada una de las variables no basicas. Estos
determinan las posibles direcciones de movimiento a traves
de las aristas de las regi
on factible.
Paso 2: Optimalidad. Si ninguna de las direcciones de movimiento
mejora la funci
on objetivo (ninguna cj > 0 para problemas
de maximizaci
on, o ninguna cj < 0 para un problema de
minimizaci
on), pare; la soluci
on actual es optima. De lo
contrario, seleccione cualquiera de las direcciones simplex
que mejoran la funci
on objetivo y denote la variable
asociada como aquella que debe entrar a la base.
25 / 32
M
etodo Simplex
Algoritmo Simplex
Algoritmo Simplex
26 / 32
M
etodo Simplex
Ejemplos
Ejemplo de Maximizacion
Ejemplo 1
Resuelva el siguiente problema de maximizaci
on empleando el
metodo Simplex:
Maximizar
Z
S.A.:
27 / 32
M
etodo Simplex
Ejemplos
Ejemplo 2
Resuelva el siguiente problema de maximizaci
on empleando el
metodo Simplex:
Maximizar
Z
S.A.:
= 20x1 +
3x1 +
2x1 +
x1 +
5x1 +
x1 , x2 , x3
10x2
2x2
x2
x2
2x2
0
+ 15x3
+ 5x3
+ x3
+ 3x3
+ 4x3
55
26
30
57
28 / 32
M
etodo Simplex
Ejemplos
Ejemplo de Minimizacion
Ejemplo 3
Resuelva el siguiente problema de minimizaci
on empleando el
metodo Simplex:
Minimizar
W
S.A.:
= 3y1 +
2y1 +
y1 +
y1 , y2 , y3
2y2 + 3y3
3y2 + 6y3 60
4y2 + 5y3 40
0
29 / 32
M
etodo Simplex
Ejemplos
Ejemplo 4
Resuelva el siguiente problema de maximizaci
on empleando el
metodo Simplex:
Maximizar
Z
S.A.:
20x1 + 10x2
x1
x2
x1
+ x2
x1
+ x2
x1
0.5x1 + x2
x1 , x2 0
17
17
17
17
10
30 / 32
M
etodo Simplex
Ejemplos
Ejemplo 5
Resuelva el siguiente problema de maximizaci
on empleando el
metodo Simplex:
Max Z
S.A.:
31 / 32
M
etodo Simplex
Bibliografa
Bibliografa
GONZALEZ,
A.L. (2003). Manual Practico de Investigacion
de Operaciones. Ediciones Uninorte.
RAO, S. (2009). Engineering optimization: theory and
practice. John Wiley & Sons.
RARDIN, R. (1998). Optimization in Operations Research.
Prentice-Hall.
WINSTON, W. (2004). Operations Research Applications and
Algorithms 4ed. Cengage.
32 / 32