El Método Simplex

El método Simplex es un procedimiento general para
resolver problemas de programación lineal.

Desarrollado por George Dantzig en 1947, esta
comprobada su extraordinaria eficiencia, y se usa en
forma rutinaria para resolver problemas grandes
en computadoras actuales. También se usan
extensiones y variaciones del método Simplex para
realizar análisis posoptimo (que incluye el análisis de
sensibilidad) sobre el modelo.
El método Simplex es un procedimiento algebraico, Sin

embargo, sus conceptos fundamentales son
geométricos, por lo que la comprensión de estos
conceptos geométricos nos proporciona una fuerte
intuición sobre como opera el método Simplex y
porque es tan eficiente.
Este método se emplea con un proceso interactivo, o sea, que
se usa sucesivamente la misma rutina básica de cálculo, lo
que da por resultado una serie de soluciones sucesivas hasta
que se encuentra la mejor. Una característica básica del
método Simplex es que la última solución produce una
contribución tan grande o mayor que la solución previa
en un problema de maximización, lo que da la
seguridad de llegar finalmente a la respuesta óptima.
PARA QUÉ SIRVE EL MÉTODO SIMPLEX?

El método Simplex nos sirve para solucionar problemas
en donde debemos de optimizar nuestros recursos de la
manera más eficiente. Se utiliza para
resolver problemas de programación lineal en los que
intervienen tres o más variables.
IMPORTANCIA DEL MÉTODO SIMPLEX

El método simplex permite localizar de manera
eficiente la óptima solución entre los puntos extremos
de un problema de programación lineal. La gran virtud
del método simplex es su sencillez, método muy
práctico, ya que solo trabaja con los coeficientes de la
función objetivo y de las restricciones.
Es muy importante en el área empresarial ya que lo
utilizan para obtener solución a los problemas de las
empresas en cuanto a inventario, ganancias y pérdidas.
Este método permite visualizar cuanto se debe vender,
cuanto se debe producir o cuanto se debe comprar
según sea el caso para que la empresa obtenga
las ganancias optimas y suficientes para competir en el
mercado.
En Base a esta importancia El método simplex ha
tenido diversas aplicaciones en las industrias
especialmente en el área de transporte, en la parte de
inventarios y en lo empresarial en general.
VENTAJAS DEL MÉTODO SIMPLEX
1) Es un Método heurístico. Se basa en

consideraciones geometricas y no requiere el uso de
derivadas de la función objetivo.
2) Es de gran eficiencia incluso para ajustar gran
número de parámetros.
3) Se puede usar con funciones objetivo muy
sinuosas pues en las primeras iteraciones busca el
mínimo más ampliamente y evita caer en mínimos
locales fácilmente.
4) Es fácil implementar y usar, y sin embargo tiene
un alta eficacia.
DESVENTAJAS DEL MÉTODO SIMPLEX

Converge más lentamente que otros métodos, pues
requiere más número de iteraciones.
En el caso de que la función tenga todas sus variables

básicas positivas, y además las restricciones sean de
desigualdad "≤", al hacer el cambio se quedan
negativas y en la fila del valor de la función objetivo se
quedan positivos, por lo que se cumple la condición de
parada, y por defecto el valor óptimo que se obtendría
es 0.
Metodo Simplex
El método símplex se utiliza para hallar las soluciones óptimas de un problema de programación lineal
con tres o más variables. Es un procedimiento iterativo de programación lineal que va desechando
las soluciones no factibles y, en cada paso, evalúa si la solución obtenida es óptima o no.
Las etapas de este algoritmo son:
·1.Planteamiento del problema: identificación de las variables y definición
de la función objetivo y del sistema de inecuaciones lineales para restricciones.

· 2.Conversión de las desigualdades en igualdades; en cada restricción se introduce una variable
de holgura en el miembro menor (o menor o igual) de la desigualdad.
· 3.Igualación a cero de la función objetivo.
· 4.Escritura de una tabla inicial símplex (matriz): en las columnas, las variables del problema;
una fila para cada conjunto de coeficientes de una restricción y una fila más para los coeficientes
de la función objetivo.
 5.Determinación de las variables y los coeficientes.
Ejemplo de tabla inicial símplex:
Variables y coeficientes
Para determinar las variables de un problema mediante
el método del símplex, es preciso hallar primero la base
de resolución. En esta base:
· Se incluye una variable de decisión, la que posee el

coeficiente negativo mayor. La columna a la que
corresponde se llama columna pivote.
· Se excluye una variable de holgura. Se divide cada
término por el correspondiente de la columna pivote y
se calcula el menor cociente positivo.
Se aplica entonces el método de eliminación gaussiana

para anular los términos de la columna pivote, tantas
veces como se precisa hasta que en la última fila sólo
haya coeficientes positivos. (Tal será la solución).
Problema del transporte
El problema del transporte es un planteamiento clásico

de las técnicas de programación lineal. En este
problema se pretende elegir el camino óptimo de envío
de una mercancía desde varios orígenes (por ejemplo,
plantas de producción) a diferentes destinos (centros
de almacenamiento o consumo), de forma que el coste
sea mínimo.
Como en todo problema de programación lineal, han de

cumplirse las siguientes etapas:
· Definir las variables del problema (por ejemplo, las
cantidades de partida solicitadas en cada destino, el
coste de envío de una unidad de mercancía a cada
destino).
· Escribir conceptualmente el sistema de inecuaciones

asociado a las restricciones del problema (por ejemplo,
el número de unidades máximas producidas en cada
origen y las requeridas en cada destino).
· Definir conceptualmente la función objetivo, que

determina el coste.
Resolución del problema del transporte
Una vez planteado el problema, se construye una tabla

de distribución, de la que se obtienen las expresiones
matemáticas de las inecuaciones del sistema y la
función objetivo. Para resolverla se usan los métodos
gráficos o algebraicos comunes de la programación
lineal.
Donde rj es el costo reducido de la respectiva variable no básica en la actual
solución óptima y los coeficientes yij denotan las entradas en la tabla final del
método simplex asociadas a la variable básica xi (cuyo costo cambia) y la
respectiva variable no básica xj.
Para presentar el concepto anteriormente expuesto consideremos el siguiente
problema de Programación Lineal:
Luego de llevar a la forma estándar, incorporando S1, S2 y S3
como las variables de holgura de las restricciones 1, 2 y 3 respectivamente y
resolver el modelo lineal anterior a través del método simplex se alcanza la
siguiente tabla óptima:
La solución básica factible óptima es Y1=40 e Y2=40 con valor

óptimo V(P)=100. A continuación determinaremos un intervalo de variación para
los coeficientes que ponderan a las variables Y1 e Y2 en la función objetivo de
modo que conservar la actual solución óptima. En este sentido tanto Y1 como Y2
son variables básicas en el óptimo según se aprecia en la tabla anterior.
Luego el intervalo de variación para C1 (en adelante coeficiente asociado a la
variable Y1 en la función objetivo de minimización) que mantiene la solución
óptima original es:
Del cálculo anterior se obtiene que C1 (coeficiente que multiplica a la variable Y1
en la función objetivo de minimización) puede variar en el intervalo entre C1℮[-1-
1/2, -1+1/4], es decir, C1℮[-3/2, -3/4] y se conserva la actual solución
óptima. Si hacemos la equivalencia en la función objetivo de maximización original
el intervalo corresponde a C1℮[3/4, 3/2], es decir, existe una reducción
permisible de 1/4 y un aumento permisible de 1/2 para el valor actual del
parámetro que mantiene la solución óptima inicial. De forma análoga se puede
verificar que el intervalo de variación para C2 (en la función objetivo de
maximización) corresponde a C2℮[1, 2], con un aumento y disminución
permisible de 1/2 en cada caso.
Los resultados obtenidos son consistentes con los que provee el informe de
confidencialidad o sensibilidad de Solver según se resume a continuación:
Una alternativa para corroborar los resultados anteriores de una forma intuitiva
consiste en realizar una representación gráfica del problema anterior. La solución
óptima se encuentra en el vértice C, donde la línea punteada de color rojo
representa la curva de nivel que intersecta dicha solución. Por otra parte la línea
punteada de color verde se obtiene al modificar C1 a 3/4 (reducción permisible de
1/4), lo cual conserva la solución óptima actual pero deja de ser única (en efecto
se genera el caso de infinitas soluciones óptimas en el tramo entre los vértices
B y C). Finalmente la línea color azul representa la curva de nivel que resulta de
cambiar el coeficiente de C1 a 3/2 (aumento permisible de 1/2) que también
conserva la solución actual y denota el caso de infinitas soluciones en el tramo
CD).
Ejemplo 2. Determinar la solución óptima del siguiente problema de programación lineal
Paso 1. Construcción de la región factible
En primer lugar trazamos los ejes coordenados con las variables x1 y x2 . Luego
para poder graficar los semiplanos correspondientes a cada una de las
restricciones debemos convertir las desigualdades en igualdades, porque la
representación gráfica de una ecuación lineal con dos variables es una recta y
graficarla es simple. Por tal motivo graficamos las rectas correspondientes a cada
una de las restricciones del problema y después seleccionaremos el semiplano
correspondiente a cada desigualdad.
La primera restricción del problema es 5x1 + 8x2 <= 50 , y para determinar el

semiplano correspondiente, debemos graficar la recta 5x1 + 8x2 = 50 . Como
sabemos, para poder graficar una recta es necesario conocer los dos puntos por
donde debe pasar ésta, más aún si necesitamos saber en qué puntos corta la
recta a los ejes coordenados, sólo debemos asignar el valor de cero a cada una
de las variables, del siguiente modo:
De forma similar, si x2 = 0 al sustituir en la ecuación de la recta tenemos

5x1 + 8(0) = 50 , entonces x1 = 10 . Por tanto, tenemos el punto (x1, x2) = (10,0).
Finalmente podemos graficar la recta 5x1 + 8x2 = 50

Dado que la recta divide al plano cartesiano en dos semiplanos, ahora nuestro interés
debe centrarse en determinar el semiplano que corresponde a la inecuación, es decir,
cuál de los semiplanos creados por la ecuación corresponde a la restricción. Para tal fin,
tomamos las siguientes condiciones generales, según el tipo de desigualdad que
represente a la restricción:
Siguiendo esta condición, representamos la desigualdad 5x1 + 8x2 <= 50

correspondiente a la primera restricción del problema
De forma similar construimos los semiplanos de las otras dos restricciones
La segunda restricción del problema es 6x1 + 5x2 <= 60 , para determinar el

semiplano correspondiente, debemos graficar la recta 6x1 + 5x2 = 60.
Si x1 = 0 , entonces x2 = 12. Por tanto, tenemos el punto (x1, x2)= (0,12).
Si x2 = 0 , entonces x1 = 10. Por tanto, tenemos el punto (x1, x2)= (10,0).
Finalmente podemos graficar la recta 6x1 + 5x2 = 60 y su respectivo semiplano
La tercera restricción del problema es 8x1 - 5x2 <= 40 , para determinar el

semiplano correspondiente, debemos graficar la recta 8x1 - 5x2 = 40.
Si x1 = 0 , entonces x2 = -8. Por tanto, tenemos el punto (x1, x2) = (0,-8).
Si x2 = 0 , entonces x1 = 5. Por tanto, tenemos el punto (x1, x2) = (5,0).
Finalmente podemos graficar la recta 8x1 - 5x2 = 40 y su respectivo semiplano
Una vez, graficadas las restricciones del problema, el siguiente paso importante es
determinar la región factible, que representa el lugar geométrico donde se
encuentra la solución óptima del problema lineal. En forma general la región
factible, es determinada por la intersección de los semiplanos dentro del primer
cuadrante, dado que las restricciones de no negatividad de las variables x1 ,x 2 >=
0 nos ubica en el primer cuadrante del plano cartesiano. Cabe aclarar que en
algunos casos está intersección es vacía.
Siguiendo con el ejemplo, la región factible está limitada por el polígono, cuyos
vértices son A, B, C y D como se muestra en la siguiente figura:
Paso 2: Determinación de la solución óptima.
La teoría nos muestra que la solución óptima se encuentra ubicada en uno de los
vértices del polígono formado. Por tal motivo, una vez construida la región factible,
debemos identificar los vértices del polígono que forma la región factible. Para
esto debemos interceptar las rectas correspondientes a la primera y tercera
restricción, es decir debemos resolver el siguiente sistema de ecuaciones:
Como la función objetivo es de maximización, al comparar los resultados en la
función objetivo debemos elegir aquel punto que genere el mayor valor de la
función objetivo, para este ejemplo el punto (0,25/ 4) genera el máximo valor. Por
tal motivo se dice que el punto óptimo del problema lineal es el punto (0,25/ 4) y el
valor máximo de la función objetivo es de 56.25.
Grafica de la función objetivo
A continuación vamos a graficar la función objetivo, con la finalidad de poder

explicar la obtención del punto óptimo.
Dado que la función objetivo es Maximizar z = 4x1 + 9x2, podemos ver que dicha
función objetivo es lineal, en otras palabras su representación geométrica es una
recta, entonces para generar el lado derecho de la ecuación de la recta
multiplicamos los coeficientes independientes obteniendo la recta 4x1 + 9x2 = 36
Ahora podemos graficar a la función Objetivo en forma similar a las ecuaciones de

las restricciones:
Si x1 = 0 , entonces x2 = 4. Por tanto, tenemos el punto (x1,x2)=(0,4).

Si x2 = 0 , entonces x1 = 9. Por tanto, tenemos el punto (x1,x2)=(9,0).
Finalmente podemos graficar la recta objetivo 4x1 + 9x2 = 36.

Gráfica de la función objetivo en el punto óptimo
Una vez trazada la recta objetivo, debemos determinar la dirección que deberá
seguir dicha recta para que la función objetivo aumente su valor. Para esto
debemos hacer uso del concepto del gradiente, dado que este vector indica la
dirección de crecimiento de una función de varias variables.
El gradiente de la función objetivo es determinado del siguiente modo
Este vector gradiente es perpendicular a la recta 4x1 + 9x2 = 36 y a partir

de allí nos desplazaremos paralelamente siguiendo la dirección del vector
gradiente, hasta que esta sea tangente a la región factible.
Dado que 4x1 + 9x2 = 36 tenemos como vector gradiente

Podemos ver que la recta con el mayor valor para z que intercepte la región
factible, es aquella recta que pasa por el punto
dando como valor máximo 56.25.

El Método Simplex

Cargado por

Copyright:

Formatos disponibles

El Método Simplex

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

El Método Simplex

Cargado por

Copyright:

Formatos disponibles

El método Simplex es un procedimiento general para

resolver problemas de programación lineal.

El método Simplex es un procedimiento algebraico, Sin

PARA QUÉ SIRVE EL MÉTODO SIMPLEX?

IMPORTANCIA DEL MÉTODO SIMPLEX

VENTAJAS DEL MÉTODO SIMPLEX

1) Es un Método heurístico. Se basa en

DESVENTAJAS DEL MÉTODO SIMPLEX

En el caso de que la función tenga todas sus variables

con tres o más variables. Es un procedimiento iterativo de programación lineal que va desechando

Las etapas de este algoritmo son:

·1.Planteamiento del problema: identificación de las variables y definición

de la función objetivo y del sistema de inecuaciones lineales para restricciones.

· 3.Igualación a cero de la función objetivo.

Ejemplo de tabla inicial símplex:

· Se incluye una variable de decisión, la que posee el

Se aplica entonces el método de eliminación gaussiana

Problema del transporte

El problema del transporte es un planteamiento clásico

Como en todo problema de programación lineal, han de

· Escribir conceptualmente el sistema de inecuaciones

· Definir conceptualmente la función objetivo, que

Resolución del problema del transporte

Una vez planteado el problema, se construye una tabla

La solución básica factible óptima es Y1=40 e Y2=40 con valor

Paso 1. Construcción de la región factible

La primera restricción del problema es 5x1 + 8x2 <= 50 , y para determinar el

De forma similar, si x2 = 0 al sustituir en la ecuación de la recta tenemos

Finalmente podemos graficar la recta 5x1 + 8x2 = 50

Siguiendo esta condición, representamos la desigualdad 5x1 + 8x2 <= 50

La segunda restricción del problema es 6x1 + 5x2 <= 60 , para determinar el

La tercera restricción del problema es 8x1 - 5x2 <= 40 , para determinar el

Paso 2: Determinación de la solución óptima.

Grafica de la función objetivo

A continuación vamos a graficar la función objetivo, con la finalidad de poder

Ahora podemos graficar a la función Objetivo en forma similar a las ecuaciones de

Si x1 = 0 , entonces x2 = 4. Por tanto, tenemos el punto (x1,x2)=(0,4).

Finalmente podemos graficar la recta objetivo 4x1 + 9x2 = 36.

El gradiente de la función objetivo es determinado del siguiente modo

Este vector gradiente es perpendicular a la recta 4x1 + 9x2 = 36 y a partir

Dado que 4x1 + 9x2 = 36 tenemos como vector gradiente

dando como valor máximo 56.25.

También podría gustarte