Nombre de la materia

Liderazgo tecnolgico

Nombre de la Licenciatura
Master en ciencia de datos

Nombre del alumno

Carlos de Jess Rodrguez Mndez
Matrcula
000046970

Nombre de la Tarea
Ventajas competitivas a travs de la
_____tecnologa

Unidad #3
Problemas de programacin lineal

Nombre del Tutor

Shurabe Cora Lilia Guido Aguilar

Fecha
14/05/2017
 METODO SIMPLEX

Introduccin

El Mtodo Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que
secuencialmente a travs de iteraciones se va aproximando al ptimo del problema de
Programacin Lineal en caso de existir esta ltima.

La primera implementacin computacional del Mtodo Simplex es el ao 1952 para un

problema de 71 variables y 48 ecuaciones. Su resolucin tarda 18 horas. Luego, en 1956, un
cdigo llamado RSLP1, implementado en un IBM con 4Kb en RAM, admite la resolucin de
modelos con 255 restricciones.

El Mtodo Simplex hace uso de la propiedad de que la solucin ptima de un problema de

Programacin Lineal se encuentra en un vrtice o frontera del dominio de puntos factibles (esto
ltimo en casos muy especiales), por lo cual, la bsqueda secuencial del algoritmo se basa en
la evaluacin progresiva de estos vrtices hasta encontrar el ptimo. Cabe destacar que para
aplicar el Mtodo Simplex a un modelo lineal, este debe estar en un formato especial conocido
como formato estndar el cual definiremos a continuacin.

FORMA ESTNDAR DE UN MODELO DE PROGRAMACIN LINEAL

Consideremos un modelo de Programacin Lineal en su forma estandar, que denotaremos en lo

que sigue por:

Min c1x1 + c2x2 + ... + cnxn

sa a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

am1x1 + am2x2 + ... + amnxn = bm

xi >= 0, i = 1, 2, ..., n y m <= n

2
Aplicacin #1: Diseo de filtros ladder

Introduccin

Los filtros ladder es un diseo de filtro por el cual se modifican sonidos para crear sonidos. La
forma mas comn de hacer esto removiendo parte del espectro de audio atenuando las
frecuencias bajas o las frecuencias altas. Otros tipos de filtro pueden mejorar partes del
espectro removiendo secciones de la seal en lugar que la frecuencia de respuesta.

El filtro moog o de escalera es conocido por distorsionarse a ciertas frecuencias pero generar
sonidos que se consideran ms musicales o clidos.

Mtodo simplex en filtros ladder

Los filtros ladder estn hechos de inductores y capacitadores y son muy populares en sistemas
de comunicacin. Como disear un buen filtro con una determinada respuesta de frecuencia es
una tarea desafiante. Para lograr implementar un buen filtro teniendo las caractersticas
indicadas tenemos que ubicar los capacitores e inductores de tal manera que se acerquen en lo
ms posible al idealismo del diseo debido a las variaciones reales de voltaje (Nam,2015).

3
Las soluciones analticas han probado ser muy complejas e ineficientes, el mtodo simplex
puede ser usando para reemplazar mtodos analticos maximizando la respuesta a la banda de
frecuencia deseada siendo mas cercano a el diseo ideal.

En este ejemplo se pretende disear un filtro ladder de cuatro pasos con atenuancion de banda
ap= 3db, fin de banda = 30dB banda de frecuencia wp de 1kHZ y un fin de banda ws de 2kHz

El resultado es el siguiente para una matriz con los 5 elementos descritos

El mtodo simplex tiene la

capacidad de optimizar problemas
de varias variables. El filtro
obtenido tiene caractersticas muy
cercanas al filtro ideal planeado
para la frecuencia de diseo y
banda especificado

Filtro deseado Filtro obtenido

4
Mtodo simplex para control de redes neurales para brazo robotico

Una red neural es usualmente conectada por puntos de entrada pesos y peso muerto. Su seal
de salida es definida por la funcin estndar de activacin:

f = (1 + e - a )-1, a = i (w i xi - w bias )
n

Xi es entrada, Wi es peso Wbias es peso muerto. Cada neurona tiene que ser conectada para
formar la red y la red es entrenada con diferentes patrones de entrada y deseados patrones de
salida (Nam,2015).

Aunque las redes neurales presentan gran potencial es muy difcil entrenarlas exitosamente y
generar un algoritmo de entrenamiento tambin es complicado. Es decir las redes neurales
pueden ser usadas una vez que seleccionemos una buena arquitectura y algoritmo de
entrenamiento

Las ecuaciones bsicas de movimiento en dos dimensiones pueden ser optimizadas para el
entrenamiento y algoritmo a travs del mtodo simplex

x = R1 cos a + R2 cos(a + b )
y = R1 sin a + R2 sin(a + b )

El resultado es el mostrado en los grficos siguientes en dos dimensiones entre el movimiento

deseado y el movimiento obtenido bastante cercano gracias al uso del mtodo simplex.

Movimiento 2d deseado Movimiento 2d obtenido

5
Bibliografa

Pham Nam (2015), Simplex method and applications [Mtodo simplex y aplicaciones en
computacion], Recuperado el 20/05/2017 de www.journalofcomputing.org