Upload
henrydaniel8
View
21
Download
1
Embed Size (px)
Citation preview
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
1/28
Parte 6 Programacin Lineal Mtodo Simplex
El mtodo smplex es un algoritmo. De hecho, cualquier procedimiento
iterativo de solucin es un algoritmo. Entonces, un algoritmo es simplemente un
proceso en el que se repite se itera! un procedimiento sistem"tico una # otra $e% hasta
o&tener el resultado deseado. 'ada $e% que se lle$a a ca&o el procedimiento
sistem"tico se reali%a una iteracin. En consecuencia, un algoritmo sustitu#e un
pro&lema di(cil por una serie de pro&lemas ("ciles.
)dem"s de las iteraciones, los algoritmos inclu#en un procedimiento para iniciar
# un criterio para determinar cu"ndo detenerse, como se resume enseguida*
Paso inicial Preparacin para iniciar iteraciones
Paso iterativo Realizacin de iteraciones
Regla de detencin Es ptima la solucin actual?
Si no Si s
+in
El mtodo smplex es un procedimiento algebraicoen el que cada iteracin
contiene la solucin de un sistema de ecuaciones para o&tener una nue$a solucin a la
que se le aplica la prue&a de optimalidad. o o&stante, tam&in tiene una interpretacin
geomtricamu# -til. Para ilustrar los conceptos geomtricos generales se emplear" la
solucin gr"(ica del siguiente pro&lema*
Max / 0x12 3x4
s.a.
x1 5
4x4 14
0x12 4x4 1
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
2/28
x17 x47
Solucin por el mtodo grfico:
En la (igura anterior pueden o&ser$arse los puntos de interseccin que son las
soluciones en los vrticesdel pro&lema. Los cinco puntos que se encuentran en los
$rtices de la regin factible, 7,7!, 7,6!, 4,6!, 5,0!, 5,7! son las soluciones
factibles en los vrtices. )lgunas de estas soluciones (acti&les en un $rtice son
adyacentes, en el sentido de que est"n conectadas por una sola orilla segmento de
lnea! de la (rontera de la regin (acti&le8 esto es, tanto 7,6! como 5,0! son ad#acentes
a 4,6!. Las tres propiedades cla$e de las soluciones (acti&les en los $rtices # que
(orman el (undamento del mtodo smplex se resumen como sigue*
Propiedades de las soluciones factibles en un vrtice:
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
3/28
1a.Si existe exactamente una solucin ptima, entonces debeser una solucin (acti&le
en un $rtice.
1b.Si existen soluciones ptimas m-ltiples, entonces al menos dos de ellas de&en ser
soluciones (acti&les en $rtices ad#acentes.
2. Existe slo un n-mero (inito de soluciones (acti&les en los $rtices ad#acentes.
3. Si una solucin en un $rtice es igual o menor seg-n el $alor de ! que todas las
soluciones (acti&les en los $rtices adyacentesa ella, entonces es igual o me9or que
todas las dem"s soluciones en los $rtices8 es decir, es ptima.
La propiedad 1 signi(ica que la &-squeda de la solucin ptima se puede reducira la consideracin de slolas soluciones (acti&les en los $rtices, de manera que slo
existe un n-mero (inito de soluciones que es necesario tomar en cuenta propiedad 4!.
La propiedad 0 proporciona una prue&a de optimalidadmu# con$eniente.
El mtodo smplex explota estas tres propiedades al examinar nada m"s unas
cuantas soluciones (acti&les en $rtices prometedores # al detenerse en cuanto una de
ellas pasa la prue&a de optimalidad. En particular, se traslada repetidamente en (orma
iterati$a! de una solucin (acti&le en un $rtice a otra, ad#acente # me9or. Esto se
puede reali%ar en (orma mu# e(iciente hasta que la solucin actual no tiene soluciones
(acti&les en $rtices ad#acentes que sean me9ores. Este procedimiento se resume
como sigue*
Bosquejo del mtodo smplex:
1. Paso inicial:inicio en una solucin (acti&le en un $rtice.
2. Paso iterativo: traslado a una me9or solucin (acti&le en un $rtice ad#acente.
:eptase este paso las $eces que sea necesario!.
3. Prueba de optimalidad:la solucin (acti&le en un $rtice es ptima cuando ninguna
de las soluciones en $rtices ad#acentes a ella sean me9ores.
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
4/28
Este &osque9o muestra la esencia del mtodo smplex,. En el caso del e9emplo,
al utili%ar estas reglas de seleccin el mtodo smplex procede como sigue*
1. Paso inicial:comien%a en 7,7!.
2a.Iteracin 1:se mue$e de 7,7! a 7,6!
2b. Iteracin 2:se mue$e de 7,6! a 4,6!.
3. Prueba de optimalidad:ni 7,6! ni 5,0! son me9ores que 4,6!, entonces se detiene,
4,6! es ptima.
Preparacin para el mtodo smplex.
En el procedimiento alge&raico es mucho m"s con$eniente mane9ar ecuaciones
que desigualdades. )s, el primer paso para preparar el mtodo smplex es con$ertir
las restricciones funcionales de desigualdad en restricciones equivalentes. Las
restricciones de no negati$idad se pueden de9ar como desigualdades porque el
algoritmo las usa slo indirectamente!. Esta con$ersin se hace mediante la
introduccin de variables de holgura. 'onsidrese la primera restriccin (uncional del
e9emplo*
x15
La $aria&le de holgura para esta restriccin es x0, que no es otra cosa que la holgura
entre los dos lados de la desigualdad. Entonces*
x12 x0/ 5
La restriccin original x15 se cumple siempre que x0 7. Por tanto, x1 5 es
totalmente equivalenteal con9unto de restricciones
x12 x0/ 5 #
x07,
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
5/28
de manera que se usar" este con9unto por resultar m"s con$eniente.
)l introducir $aria&les de holgura en las otras restricciones en (orma parecida, el
modelo de programacin lineal original para este e9emplo se puede sustituir por el
modelo equivalente*
Maximi%ar / 0x12 3x4,
su9eta a
x1 2 x0 / 5 4x4 2 x5 / 14
0x1 2 4x4 2 x3 / 1 x9 7 para 9 / 1, 4, , 3
)un cuando este pro&lema es idntico al anterior, esta (orma es mucho m"s
con$eniente para la manipulacin alge&raica # la identi(icacin de las soluciones
(acti&les en los $rtices. ;sta se llama la forma de igualdades del pro&lema, para
di(erenciarla de la (orma de desigualdades original # poder introducir la siguiente
de(inicin*
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
6/28
las soluciones &"sicas sean (acti&les o no (acti&les, lo que lle$a a la siguiente
de(inicin*
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
7/28
ecuaciones de las restricciones. )ntes de comen%ar con el mtodo smplex es
necesario escri&ir el pro&lema una $e% m"s en su (orma equi$alente*
Maximi%ar ,
su9eta a
0x1 3x4 / 7 x1 2 x0 / 5 4x4 2 x5 / 14 0x1 2 4x4 2 x3 / 1
x9 7 para 9 / 1, 4, , 3
'omo la ecuacin de la (uncin o&9eti$o #a se encuentra en (orma de igualdad,
no necesita $aria&le de holgura. 'on esta interpretacin, las soluciones &"sicas no
cam&ian, excepto que puede $erse como una $aria&le &"sica adicional permanente.
) partir de este momento #a estamos listos para pasar los coe(icientes de
nuestro pro&lema a lo que conoceremos como la abla Smplex*
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 0 3 7 7 7 7x0 7 1 7 1 7 7 5 7, 7, 5, 14, 1!
x5 7 7 4 7 1 7 14 / 7x3 7 0 4 7 7 1 1
La ta&la anterior ilustra una propiedad cla$e que toda ta&la smplex de&e tener
para estar en la forma apropiada8 se trata del patrn especial de los coe(icientes de las
$aria&les &"sicas. En particular, ntese cmo las columnas de x 0, x5# x3al igual que la
columna de ! contiene exactamente un 21 en el rengln que corresponde a esa
$aria&le &"sica $ase la primera columna!, # todos los dem"s coe(icientes en esa
columna son cero. De la misma manera, cada ecuacin contiene exactamente una
$aria&le &"sica con coe(iciente distinto de cero, en donde este coe(iciente es 21. Esta
propiedad es signi(icati$a, #a que permite identi(icar de inmediato la solucin &"sica
(acti&le actual a partir de la ta&la8 esto es, cada $aria&le &"sica es igual a la constante
del lado derecho de su ecuacin. Esta primera solucin &"sica (acti&le actual se
muestra en la (igura anterior en la columna de s ptima!. De aqu en adelante, para
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
8/28
cada nue$a iteracin del mtodo smplex mostraremos la solucin &"sica (acti&le actual
en esta columna de la ta&la smplex. :ecurdese que las $aria&les no &"sicas son
iguales a cero!. La ta&la smplex inicial quedar" autom"ticamente en esta (orma
apropiada a menos que el pro&lema original de programacin lineal no est en nuestra
forma estndar!.
El mtodo smplex constru#e una ta&la smplex para cada solucin &"sica
(acti&le que se o&tiene, hasta alcan%ar la solucin ptima. ) continuacin descri&imos
el procedimiento para pro&lemas que #a est"n en la forma estndar, con &i7 para toda
i / 1, 4, , m.
()*+ ,-,#,)". Se introducen $aria&les de holgura. Despus se seleccionan las
variables originales como variables no bsicas iniciales se igualan a cero! # las
variables de holgura como las variables bsicas originales. Esta seleccin lle$a a la
ta&la smplex inicial anterior. 'omo esta ta&la est" en la forma apropiada, de inmediato
se o&tiene la solucin &"sica (acti&le inicial para el e9emplo, 7,7,5,14,1!. )hora de&e
reali%arse la prue&a de optimalidad para determinar si la solucin es optima.
(/%B) 0% +(,)",0)0. La solucin &"sica (acti&le actual es ptima si # slo si
todos los coe(icientes de la ecuacin de la (uncin o&9eti$o rengln de ! son nonegati$os 7 !. Si es as, el proceso termina8 de otra manera, se lle$a a ca&o otra
iteracin para o&tener la nue$a solucin &"sica (acti&le, lo que signi(ica el cam&io de
una $aria&le no &"sica por una &"sica parte 1! # $ice$ersa parte 4!, # despus
despe9ar las $aria&les de la nue$a solucin parte 0!.
En este e9emplo, ha# dos coe(icientes negati$os en la ecuacin de ,0 para x1#
3 para x4de manera que de&e irse al paso iterati$o. =acharemos la solucin &"sica
(acti&le actual como se muestra en la ta&la anterior para indicar que esta solucin no esptima.
()*+ ,%),V+.
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
9/28
Parte 1. Se determina la variable bsica entrantemediante la eleccin de la
$aria&le con el coeficiente negativo autom"ticamente se re(iere a una $aria&le no
&"sica! que tiene el ma#or $alor a&soluto en la ecuacin de . Se enmarca la columna
correspondiente a este coe(iciente8 esta columna reci&e el nom&re de columna &ivote.
En el e9emplo, el coe(iciente negati$o m"s grande en trminos de $alor a&soluto! es 3
para x43>0!, por lo que x4de&e con$ertirse en $aria&le &"sica. Este cam&io se indica
en la siguiente ta&la con el recuadro en la columna de x 4a&a9o del 3*
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 0 3 7 7 7 7x0 7 1 7 1 7 7 5x5 7 7 4 7 1 7 14 14?4 / 6 mnimo
x3 7 0 4 7 7 1 1 1?4 / @
Parte 2. Se determina la variable bsica que sale8 para esto, a! se toma cada
coe(iciente estrictamente positi$o >7! de la columna enmarcada, &! se di$ide el lado
derecho de cada rengln entre estos coe(icientes, c! se identi(ica la ecuacin con el
menor coe(iciente # d! se selecciona la $aria&le &"sica para esta ecuacin. Esta
$aria&le &"sica es la que llega a cero primero cuando se incrementa la $aria&le &"sica
entrante!. Se enmarca el rengln de esta ecuacin en la ta&la smplex sin incluir la
columna # se le da el nom&re de rengln &ivote. El n-mero que est" en lainterseccin de los dos recuadros se llama &ivote.
En la ta&la anterior, se muestran los resultados de las partes 1 # 4 para el
e9emplo antes de enmarcar el rengln!8 la &rueba del cociente mnimo para
determinar la $aria&le &"sica que sale se muestra a la derecha de la ta&la. Entonces la
$aria&le &"sica que sale es x5.
Parte ". Se determina la nueva solucin bsica factibleal construir una nue$ata&la smplex en la forma apropiada, a&a9o de la que se tiene. Las primeras dos
columnas no cam&ian, excepto que la $aria&le &"sica entrante sustitu#e a la $aria&le
&"sica que sale en la columna de #ariable $sica. Para cam&iar el coe(iciente de la
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
10/28
nue$a $aria&le &"sica en el rengln pi$ote a 21, se dividetodo el rengln pi$ote entre el
n-mero pi$ote*
:engln pi$ote nue$o / :engln pi$ote antiguo ? pi$ote
En este punto, la ta&la smplex para el e9emplo se $e como la que se muestra
enseguida. Para o&tener un coe(iciente 7 para la nue$a $aria&le &"sica en las otras
ecuaciones, cada rengln Ainclusi$e el de la ecuacin de B e%ceptoel rengln pi$ote,
se cam&ia por la nue$a ta&la smplex usando la siguiente (rmula*
:engln nue$o / rengln antiguocoe(iciente en la columna pi$ote rengln pi$ote
nue$o!
en donde el coeficiente en la columna pivote es el n-mero en la columna pi$ote
correspondiente a este rengln.
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 0 3 7 7 7 7
x0 7 1 7 1 7 7 5 7, 7, 5, 14, 1!x 7 7 4 7 1 7 14 / 7x3 7 0 4 7 7 1 1 1x0 7x2 7 7 1 7 1?4 7 6x3 7
Para ilustrar con el e9emplo, los nue$os renglones se o&tienen de la (orma
siguiente*&engln de ': 0 3 7 7 7, 7
3! 7 1 7 1?4 7, 6
:engln nue$o / 0 7 7 3?4 7, 07
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
11/28
&engln 1* Sin cam&io porque su coe(iciente en la columna pi$ote es cero.
&engln ": 0 4 7 7 1, 1
4! 7 1 7 1?4 7, 6
:engln nue$o / 0 7 7 1 1, 6
Estos cam&ios lle$an a la nue$a ta&la smplex que se muestra en la siguiente
ta&la para la
iteracin 1*
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 0 3 7 7 7 7
x0 7 1 7 1 7 7 5 7, 7, 5, 14, 1!x 7 7 4 7 1 7 14 / 7x3 7 0 4 7 7 1 1 1 0 7 7 3?4 7 07x0 7 1 7 1 7 7 5 7, 6, 5, 7, 6!x2 7 7 1 7 1?4 7 6 / 07x3 7 0 7 7 1 1 6
'omo las $aria&les &"sicas siempre son iguales al lado derecho de la ecuacinque le corresponde, la nue$a solucin &"sica (acti&le es 7, 6, 5, 7, 6! con / 07.
Este tra&a9o completa el paso iterati$o, as que de&e proseguirse a la prue&a de
optimalidad. 'omo la ecuacin de toda$a tiene coe(icientes negati$os C0 para x 1!, la
prue&a de optimalidad indica que la solucin no es ptima, lo cual se muestra en la
(igura anterior! por lo que manda al algoritmo de regreso al paso iterati$o para o&tener
la siguiente solucin &"sica (acti&le. El paso iterati$o comien%a de nue$o en la ta&la
smplex actual para encontrar la nue$a solucin. Si se siguen las instrucciones de las
partes 1 # 4, se encuentra que x1es la $aria&le &"sica entrante # x3la $aria&le &"sica
que sale, como se muestra en la siguiente ta&la*
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 C0 7 7 3?4 7 07x0 7 1 7 1 7 7 5 5?1 / 5 7, 6, 5, 7, 6!
x4 7 7 1 7 1?4 7 6 / 07
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
12/28
x3 7 0 7 7 C1 1 6 6?0 / 4 mn.
En las siguientes ta&las se muestra el con9unto completo de las ta&las del
mtodo smplex para este e9emplo. La nue$a solucin &"sica (acti&le es 4, 6, 4, 7, 7!,
con / 06. )l hacer la prue&a de optimalidad, se encuentra que la solucin es ptimaporque no ha# coe(icientes negati$os en la ecuacin de , de manera que el algoritmo
ha terminado. En consecuencia, la solucin ptima para este e9emplo sin tomar en
cuenta las $aria&les de holgura! es x1/ 4, x4/ 6.
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 C0 C3 7 7 7 7x0 7 1 7 1 7 7 5 7, 7, 5, 14, 1!
x5 7 7 4 7 1 7 14 14?4 / 6 mn. / 7x3 7 0 4 7 7 1 1 1?4 / @ 1 C0 7 7 3?4 7 07x0 7 1 7 1 7 7 5 5?1 / 5 7, 6, 5, 7, 6!x4 7 7 1 7 1?4 7 6 / 07x3 7 0 7 7 C1 1 6 6?0 / 4 mn. 1 7 7 7 0?4 1 06x0 7 7 7 1 1?0 C1?0 4 4, 6, 4, 7, 7!x4 7 7 1 7 1?4 7 6 / 06x1 7 1 7 7 C1?0 1?0 4 !ptima
)nteriormente no se di9o qu hacer cuando las reglas de seleccin del mtodosmplex no lle$an a una decisin clara, #a sea porque existen empates $alores iguales!
o por otras am&igedades parecidas.
"mpate para la variable bsica entrante.
El paso 1 de cada iteracin elige la $aria&le &"sica que tiene el coe(iciente
negativocon el mayor valor absolutoen la ecuacin de actual como la $aria&le &"sica
entrante. )hora suponga que dos o m"s $aria&les no &"sicas tienen el coe(icientenegati$o m"s grande en $alor a&soluto!, es decir, que ha# un empate entre ellas. Por
e9emplo, esto ocurrira en la primera iteracin del e9emplo anterior si se cam&iara la
(uncin o&9eti$o a / 0x12 0x4, con lo que la ecuacin del rengln de inicial sera
0x10x4/ 7. 'mo de&e romperse este empateF
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
13/28
La respuesta es que la eleccin entre estos dos contendientes se puede hacer
de manera arbitraria. =arde o temprano se llegar" a la solucin ptima, sin importar
cu"l de las $aria&les empatadas se ha#a escogido, # no existe un mtodo con$eniente
para predecir cu"l lle$a ah m"s r"pidamente. En este e9emplo ocurre que si se escoge
x1como $aria&le entrante, el mtodo smplex alcan%a la solucin ptima 4, 6! en tres
iteraciones # si se elige x4, llega en dos.
"mpate para la variable bsica que sale degeneracin.
)hora suponga que el empate ocurre entre dos o m"s $aria&les &"sicas al
elegir la $aria&le que sale en el paso 4 de una iteracin. Gmporta cu"l se escogeF En
teora s, # en una (orma crtica de&ido a que puede ocurrir la siguiente sucesin de
e$entos. Primero, todas las $aria&les empatadas se hacen cero al mismo tiempo
cuando aumenta el $alor de la $aria&le entrante. Por tanto, aquellas que nose eligieron
como $aria&le &"sica que sale tam&in tendr"n un $alor de cero en la nue$a solucin
&"sica (acti&le. Las $aria&les &"sicas con $alor de cerose llaman degeneradas# el
mismo nom&re se da a la solucin &"sica (acti&le correspondiente.! Segundo, si una de
estas $aria&les &"sicas degeneradas sigue con $alor de cero hasta que se selecciona
como $aria&le &"sica que sale en una iteracin posterior, la $aria&le &"sica entrante
de&er" tam&in quedar con $alor de cero #a que no puede crecer sin que la $aria&le
&"sica que sale se $uel$a negati$a!, entonces el $alor de permanecer" sin cam&io.
=ercero, si permanece igual en lugar de me9orar cada iteracin, el mtodo smplex
puede caer en un ciclo que repite la misma secuencia de soluciones peridicamente,
en lugar de aumentar en alg-n momento para llegar a la solucin ptima.
Por (ortuna, aunque en teora es posi&le que ha#a ciclos perpetuos, ha sido en
extremo raro que tenga lugar en pro&lemas reales. Si ocurriera un ciclo siempre se
puede salir de l cam&iando la eleccin de la $aria&le &"sica que sale. Por lo tanto se
recomienda romper los empates arbitrariamente# seguir el proceso sin preocuparse de
las $aria&les que puedan resultar.
#uando no $a% variable bsica que sale & no acotada.
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
14/28
Existe otra posi&ilidad en el paso 4 de una iteracin, de la que no se ha
ha&lado* aquella en la que ninguna$aria&le cali(ica como $aria&le &"sica que sale. Esta
situacin puede ocurrir si la $aria&le &"sica entrante puede crecer indefinidamentesin
que ningunade las $aria&les &"sicas actuales adquiera $alores negati$os. En la (orma
ta&ular, esto signi(ica que todos los coe(icientes en la columna pi$ote se exclu#e el
rengln de ! son negati$os o cero.
'omo se ilustra en la siguiente ta&la, esta situacin surge cuando se considera
el siguiente e9emplo*
Maximi%ar / 0x12 3x4,
su9eta a x15
# x17, x47
En este e9emplo se ignoraron las dos -ltimas restricciones (uncionales del
e9emplo resuelto anteriormente. Hea en la ta&la que x 4es la $aria&le &"sica entrante
pero el -nico coe(iciente en la columna pi$ote es cero. 'omo la prue&a del cociente
mnimo usa slo coe(icientes ma#ores que cero, no se cuenta con un cociente que
proporcione una $aria&le &"sica que sale.
La interpretacin de una ta&la smplex como la que se muestra en la siguiente
ta&la es que las restricciones no impiden el crecimiento inde(inido de la (uncin o&9eti$o
, de manera que el mtodo smplex se detiene con el mensa9e de que es no
acotada. De&ido a que ni siquiera la programacin lineal ha descu&ierto la manera de
lograr ganancias in(initas, el mensa9e real en pro&lemas pr"cticos es* ISe ha cometido
un errorJ =al $e% el modelo est mal (ormulado, #a sea por ha&er omitido una
restriccin rele$ante o por ha&erla esta&lecido incorrectamente. De otra manera, pudo
ha&er ocurrido un error en los c"lculos.
VariableBsica
Z
x1
x2
x3
"adoderecho
#ociente
$%s &tima'
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
15/28
1 C0 C3 7 7K0 7 1 7 1 5 (in m)nimo
Soluciones ptimas m'ltiples.
En la de(inicin de solucin &timase mencion que un pro&lema puede tenerm"s de una solucin ptima. Si en el e9emplo cam&iamos la (uncin o&9eti$o a / 0x1
2 4x4resulta que todos los puntos so&re el segmento de recta entre 4,6! # 5,0! son
soluciones ptimas. Entonces todas las soluciones son un promedio ponderado de
estas dos soluciones (acti&les en los $rtices ptimas*
x1, x4! / *14, 6! 2 *45, 0!,
donde los pesos *1 #*4 son n-meros que satis(acen las relaciones*
*12 *4/ 1 # *17, *47
Por e9emplo, *1/ 1?0 # *4/ 4?0 da*
x1, x4! / 1?04, 6! 2 4?05, 0! / 4?02?0, 6?026?0! / 17?0, 5!
como una solucin ptima.
En general, cualquier promedio ponderado de dos o m"s soluciones $ectores!
donde los pesos son no negati$os # suman 1 se llama combinacin convexade estas
soluciones. Entonces, toda solucin ptima en el e9emplo es una com&inacin con$exa
de 4, 6! # 5, 0!.
Este e9emplo es representati$o de pro&lemas con soluciones ptimas m-ltiples.
+ualquier pro&lema de Programacin Lineal con soluciones ptimasm-ltiples # una regin (acti&le acotada! tiene al menos dos soluciones
(acti&les en los $rtices que son ptimas. ,odasolucin ptima es una
com&inacin lineal de estas soluciones (acti&les en los $rtices ptimas.
En consecuencia, en la (orma aumentada, toda solucin ptima es una
com&inacin con$exa de las soluciones &"sicas (acti&les ptimas.
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
16/28
El mtodo smplex se detiene autom"ticamente al encontrar una solucin
&"sica (acti&le ptima. Sin em&argo, en muchas aplicaciones de Programacin Lineal
existen (actores intangi&les que no se incorporan al modelo # que pueden ser -tiles
para tomar decisiones signi(icati$as so&re las soluciones ptimas alternati$as. En esos
casos, tam&in de&en identi(icarse las otras soluciones ptimas. Esto requiere
encontrar todas las dem"s soluciones &"sicas (acti&le ptimas, # entonces toda
solucin ptima es una com&inacin con$exa de las soluciones &"sicas (acti&les
ptimas.
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
17/28
El -nico pro&lema serio que introducen las otras (ormas de restricciones
(uncionales / ! es identi(icar una solucin inicial bsica factible. )ntes, esta solucin
inicial se encontra&a en (orma mu# con$eniente al hacer que las $aria&les de holgura
(ueran las $aria&les &"sicas iniciales, donde cada una era igual a la constante no
negativadel lado derecho de la ecuacin correspondiente. )hora de&e hacerse algo
m"s. El en(oque est"ndar que se utili%a es estos casos es la tcnica de variables
artificiales. ;sta constru#e unproblema artificialm"s con$eniente introduciendo una
$aria&le (icticia llamada variable artificial! en cada restriccin que lo requiera. Esta
nue$a $aria&le se introduce slo con el (in de que sea la $aria&le &"sica inicial para esa
ecuacin. Las restricciones usuales de no negati$idad tam&in se aplican so&re estas
$aria&les # la (uncin o&9eti$o se modi(ica para que imponga una &enali6acin
exor&itante en el caso de que adquieran $alores ma#ores que cero. Las iteraciones del
mtodo smplex autom"ticamente (uer%an a las $aria&les arti(iciales a desaparecer a
$ol$erse cero! una a una, hasta que todas quedan (uera de la solucin8 despus de
esto se resuel$e el pro&lema real.
Para ilustrar la tcnica de las $aria&les arti(iciales, primero se considerar" el
caso en que la -nica (orma no est"ndar en el pro&lema es la presencia de una o m"s
restricciones en (orma de igualdad.
(estricciones en forma de igualdad.
En realidad, cualquier restriccin en (orma de igualdad*
ai1x12ai4x42 . . . 2 ainxn/ &i
es equi$alente a dos restricciones de desigualdad*
ai1x12 ai4x42 . . . 2 ainxn&i,
ai1x12 ai4x42 . . . 2 ainxn&i
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
18/28
Sin em&argo, en lugar de hacer esta sustitucin e incrementar con ello el
n-mero de restricciones, es m"s con$eniente usar la tcnica de la $aria&le arti(icial.
Suponga que se modi(ica el pro&lema de e9emplo presentado # resuelto en la seccin
anterior. El -nico cam&io que su(re el modelo de programacin lineal es que la tercera
restriccin, 0x12 4x41, se con$ierte en una restriccin de igualdad*
0x12 4x4/ 1
)plicando la tcnica de las $aria&les arti(iciales se introduce una $aria&le
arti(icial no negativa denotada por x3! en la -ltima ecuacin, como si (uera una
$aria&le de holgura*
0x12 4x42 x3/1
En resumen si tenemos una restriccin (uncional en (orma de igualdad #
deseamos -pasarla a su forma de igualdad., -nicamente de&emos sumar una $aria&le
arti(icial.
:estricciones (uncionales de la (orma
Para ilustrar la manera en que la tcnica de las $aria&les arti(iciales mane9a las
restricciones de la (orma usaremos el siguiente e9emplo*
Minimi%ar / 7.5x1 2 7.3x4 su9eta a 7.0x1 2 7.1x4 4. 7.3x1 2 7.3x4 / 6 7.6x1 2 7.5x4 6 x17, x47
otemos que la tercera restriccin es del tipo
, por lo que para cam&iarla a su(orma de igualdad tendramos que restar una $aria&le de super"$it o de excedente!,
quedando de la siguiente manera*
7.6x12 7.5x4x3/ 6
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
19/28
Se ha restado la variable de e%cedente x3 se utili% x3porque en la primera
restriccin agregamos una $aria&le de holgura que sera x 0# en la segunda restriccin
agregamos tam&in una $aria&le arti(icial que sera x58 todo esto con el (in de con$ertir
las desigualdades a su (orma de igualdades! para que consuma el exceso de 7.6x 12
7.5x4, o sea, lo que se pasa de 6. o o&stante en este caso de&e agregarse otra
$aria&le. Esta $aria&le extra, llamada variable artificialse aumenta como sigue*
7.6x12 7.5x4x32 x6/ 6
La ra%n de esto es que, si no se agrega la $aria&le arti(icial, no se estaran
cumpliendo las restricciones de no negati$idad. Para comprenderlo, se de9ar" sin
aumentar. El mtodo smplex comien%a por hacer todas las $aria&les reales originales!
iguales a cero. Entonces*
7.6x12 7.5x4x3/ 6
Sea x1/ 7 # x4/ 7, entonces*
x3/ 6
x3 / 6 que no cumple la
restriccin de no negati$idad!
La $aria&le arti(icial opera para mantener todas las $aria&les no negati$as
cuando 7.6x12 7.5x4es menor que 6. Si x1/ 7 # x4/ 7, entonces x3/ 7 #
7.6x12 7.5x4x32 x6/ 6
x6/ 6
En resumen, una restriccin de la (orma se con$ierte a su (orma de igualdadrestando una $aria&le de excedente # sumando una $aria&le arti(icial.
'onsideremos el siguiente pro&lema*
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
20/28
Maximi%ar / 0x1 2 3x4 su9eta a x1 5 4x4 14 0x1 2 4x4 / 1 x17, x47
'omo explicamos anteriormente, para resol$er este pro&lema, de&emosconstruir un &roblema artificialque tiene la misma solucin ptima que el pro&lemareal, haciendo dos modi(icaciones a este pro&lema real.
1. Se aplica la tcnica de las variables artificiales introduciendo una variable
artificial no negativa denotada por x3! en la -ltima ecuacin, como si (uera una
$aria&le de holgura*
0x12 4x42 x3/1
4. Se asigna unapenali/acin enormeal hecho de tener x3>7, cam&iando la (uncin
o&9eti$o
/ 0x12 3x4a*
/ 0x12 3x4Mx3,
donde M sim&licamente representa un n-mero positi$o muy grande. Este mtodo
que (uer%a a x3hasta el ni$el de x3/ 7 en la solucin ptima se llama mtodo de la
.
)ota=Para el caso de minimi%acin, penali%amos a la $aria&le arti(icial, hacindola
aparecer en la (uncin o&9eti$o con un coe(iciente de 2M.
)hora se encuentra la solucin ptima para el pro&lema real aplicando elmtodo smplex al pro&lema arti(icial.
'omo x39uega el papel de la $aria&le de holgura en la tercera restriccin del
pro&lema arti(icial, esta restriccin es equi$alente a 0x12 4x41.
En particular, el sistema de ecuaciones despus de aumentar el pro&lema
arti(icial en otras pala&ras, pasarlo a su (orma de igualdades! es*
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
21/28
Maximi%ar ,
su9eta a
0x1 3x4 2 Mx3 / 7
x1 2 x0 / 5 4x4 2 x5 / 14 0x1 2 4x4 2 x3 / 1
x9 7 Para 9 / 1, 4, N, 3
En este momento estamos preparados para pasar los coe(icientes a la ta&la
smplex*
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 C0 C3 7 7 M 7x0 7 1 7 1 7 7 5x5 7 7 4 7 1 7 14x3 7 0 4 7 7 1 1
Esta ta&la toda$a no est" en la (orma apropiada porque el coe(iciente de x 3es
di(erente de cero en la ecuacin de es M!. Por lo tanto, antes de que el mtodo
smplex pueda aplicar la prue&a de optimalidad # encontrar la $aria&le &"sica entrante,
de&e pasarse esta ta&la a la (orma apropiada para que cumpla la condicin sm&lex.
Esta condicin que de&e cumplir toda ta&la del mtodo smplex para que pueda
reportarnos la siguiente solucin &"sica (acti&le dice que* O=oda $aria&le &"sica de&e
tener un 1 en la interseccin de su rengln # columna correspondiente # cero en los
dem"s renglones incluido el rengln de , en otras pala&ras, que toda $aria&le que sea
&"sica solamente de&e aparecer en el rengln de la restriccin que representa. Para
hacer cero el coe(iciente M, utili%amos el rengln de x3 como rengln pi$ote
multiplic"ndolo por M # sumando el resultado al rengln de . :eali%ando elprocedimiento anterior, la ta&la smplex queda de la siguiente manera*
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 Q0MQ0 Q4MQ3 7 7 7 1M 0% ' x0 7 1 7 1 7 7 5 7, 7, 5, 14, 1!
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
22/28
x5 7 7 4 7 1 7 14 / 1Mx3 7 0 4 7 7 1 1
Podemos o&ser$ar que la ta&la anterior #a se encuentra en la (orma apropiada
# podemos leer la solucin &"sica (acti&le actual, que es 7, 7, 5, 14, 1!, la cual
aplicando la prue&a de optimalidad $emos que no es ptima #a que toda$a tenemos
coe(icientes negati$os en el rengln de los correspondientes a x1# x4!. )plicando el
mtodo smplex a la ta&la anterior tenemos* el coe(iciente negati$o con el ma#or $alor
a&soluto corresponde a x1 0M0!, recordemos que M es un n-mero muy grande
positivo, por lo tanto, x1se con$ierte en la $aria&le &"sica entrante, reali%ando los
cocientes correspondientes, $emos que x0se con$ierte en la $aria&le &"sica saliente. El
procedimiento completo para resol$er este e9emplo se muestra en el siguiente con9unto
de ta&las*
ariablesica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &t
1 Q0MQ0 Q4MQ3 7 7 7 1M x0 7 1 7 1 7 7 5 5?1 / 5 7, 7, 5, 1
x5 7 7 4 7 1 7 14 / 1
x3 7 0 4 7 7 1 1 1?0 / 6
1 7 Q4MQ3 0M20 7 7 6M214 x1 7 1 7 1 7 7 5 5, 7, 7, 1
x5 7 7 4 7 1 7 14 14?4 / 6 / 6M
x3 7 7 4 0 7 1 6 6?4 / 0
1 7 7 @?4 7 M23?4 4x1 7 1 7 1 7 7 5 5?1 / 5 5, 0, 7,
x5 7 7 7 0 1 1 6 6?0 / 4 / 4
x4 7 7 1 0?4 7 1?4 0
1 7 7 7 0?4 M21 06x1 7 1 7 7 1?0 1?0 4 4, 6, 4,
x0 7 7 7 1 1?0 1?0 4 / 0
x4 7 7 1 7 1?4 7 6 >&tim
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
23/28
*+)+*+&,#+!) con el mtodo smplex.
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
24/28
VariableBsica
Z
x1
x2
x3
x
x!
"adoderecho
#ociente
$%s &tima'
1 0 7 7 M 7x0 7 1 5 1 7 7 5x3 7 1 4 7 1 1 4
1 M0 4M 7 M 7 4M 7, 7, 5, 7, 4!x0 7 1 5 1 7 7 5 5?1 / 5 / 4Mx3 7 1 4 7 1 1 4 4?1 / 4
1 7 4 7 0 M20 6 4, 7, 4, 7, 7!
x0 7 7 4 1 1 1 4 / 6
x1 7 1 4 7 1 1 4 >&tima
otemos que la primera ta&la no se encontra&a en la (orma apropiada para el
mtodo smplex, #a que el coe(iciente de la $aria&le &"sica x3era de M en el rengln
de , lo cual hacia que no se cumpliera la condicin smplex.
2.?. todo de las dos @ases.
En el e9emplo presentado en la seccin O:estricciones (uncionales de la (orma
O, recordemos la (uncin o&9eti$o real*
Problema real: Minimi%ar / 7.5x12 7.3x4
Sin em&argo, el mtodo de la M utili%a la siguiente (uncin o&9eti$o a tra$s de
todo el procedimiento*
0todo de la 0: Minimi%ar / 7.5x12 7.3x42 Mx52 Mx6
'omo los dos primeros coe(icientes 7.5 # 7.3! son desprecia&les comparados
con M, el mtodo de dos (ases puede eliminar la M usando las siguientes dos (unciones
o&9eti$o que de(inen de manera completamente di(erente*
0todo de las dos fases:
3ase 1: Minimi%ar / x52 x6 hasta que x5/ 7 # x6/ 7!.
3ase 2: Minimi%ar / 7.5x12 7.3x4 con x5/ 7 # x6/ 7!.
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
25/28
La (uncin o&9eti$o de la (ase 1 se o&tiene di$idiendo la (uncin o&9eti$o del
mtodo de la M entre M eliminando los trminos desprecia&les, en otras pala&ras, la
(ase 1 consiste en la minimi%acin de la suma de todas las $aria&les arti(iciales que se
introdu%can en el pro&lema. 'omo la (ase 1 conclu#e al o&tener una solucin &"sica
(acti&le para el pro&lema real aquella en la que x5/ 7 # x6/ 7!, esta solucin se usa
como la solucin &"sica (acti&le inicialpara aplicar el mtodo smplex al pro&lema real
con su (uncin o&9eti$o! en la (ase 4. )ntes de resol$er el e9emplo de esta manera se
har" un resumen de las caractersticas generales.
(esumen del mtodo de dos fases.
Paso inicial:Se re$isan las restricciones del pro&lema original introduciendo $aria&les
arti(iciales seg-n se necesite para o&tener una solucin &"sica (acti&le inicial o&$ia para
el pro&lema arti(icial.
3ase 1:uso del mtodo smplex para resol$er el pro&lema de programacin
lineal*
Minimi%ar / de todas las $aria&les arti(iciales, su9eta a las restricciones
re$isadas.
La solucin ptima que se o&tiene para este pro&lema con / 7! ser" una
solucin &"sica (acti&le para el pro&lema real.
3ase 2:se eliminan las $aria&les arti(iciales de todas (ormas, ahora todas $alen
cero!. 'omen%ando con la solucin &"sica (acti&le que se o&tu$o al (inal de la (ase 1,
se usa el mtodo smplex para resol$er el pro&lema real.
Enseguida se resumen los pro&lemas que de&en resol$erse por el mtodo
smplex en las (ases respecti$as para el e9emplo.
Problema para la fase 1:
Minimi%ar / x52 x6,
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
26/28
su9eta a
7.0x1 2 7.1x4 2 x0 / 4.7.3x1 2 7.3x4 2 x5 / 67.6x1 2 7.5x4 x3 2 x6 / 6
#
x17 x47 x0 x57 x37 x67
Problema para la fase 2:
Minimi%ar / 7.5x12 7.3x4,
su9eta a
7.0x1 2 7.1x4 2 x0 / 4.7.3x1 2 7.3x4 / 67.6x1 2 7.5x4 x3 / 6
#
x17 x47 x0 x37
Las -nicas di(erencias entre estos dos pro&lemas se encuentran en la (uncin
o&9eti$o # en la inclusin (ase 1! o exclusin (ase 4! de las $aria&les arti(iciales x 5# x6.
Sin las $aria&les arti(iciales, el pro&lema para la (ase 4 no tiene una solucin bsica
factible inicialo&$ia. El -nico propsito de resol$er el pro&lema para la (ase 1 es
o&tener una solucin &"sica (acti&le con x5/ 7 # x6/ 7 que se pueda usar como la
solucin &"sica (acti&le inicial para la (ase 4.
Las siguientes ta&las muestran el resultado de aplicar el mtodo smplex a este
pro&lema para la (ase 1*
riablesica
A
x1
x2
x3
x
x!
x?
"adoderecho
#ociente
$%s &tim
1 7 7 7 1 7 1 7x0 7 7.0 7.1 1 7 7 7 4.
x5 7 7.3 7.3 7 1 7 7 6
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
27/28
x6 7 7.6 7.5 7 7 1 1 6
1 1.1 7.@ 7 7 1 7 14x0 7 7.0 7.1 1 7 7 7 4. 4.?7.0/@ 7,7,4.,6
x5 7 7.3 7.3 7 1 7 7 6 6?7.3/14 / 1
x6 7 7.6 7.5 7 7
1 1 6 6?7.6/17 1 7 7.30 0.66 7 1 7 4.1x1 7 1 7.00 0.00 7 7 7 @ @?7.00/4.4 @,7,7,1.3,
x5 7 7 7.00 1.66 1 7 7 1.3 1.3?7.00/5.3 / 4.
x6 7 7 7.4 4 7 1 1 7.6 7.6?7.4/0
1 7 7 1.65 7 1.63 4.63 7.31x1 7 1 7 6.60 7 1.63 1.63 .71 .71?1.63/5. .71,0,7,7.
x5 7 7 7 1.65 1 1.63 1.63 7.31 7.31?1.63/7.07 / 7.3
x4 7 7 1 17 7 3 3 0
1 7 7 7 1 7 1 7x1 7 1 7 3 1 7 7 .3 .3,5.3,7,7
x3 7 7 7 7.@@ 7.67 1 1 7.0 / 7
x4 7 7 1 3.73 0 7 7 5.3 >&tima fa
otemos que #a hemos o&tenido una solucin ptima para la (ase 1 que
consisti en la minimi%acin de la suma de todas las $aria&les arti(iciales. T&ser$emos
tam&in que la (uncin o&9eti$o termin con un $alor de cero en la -ltima ta&la, lo
que indica que las dos $aria&les arti(iciales x5 # x6! $alen cero tienen $alores
recprocos # se cancelan mutuamente para dar cero. En nuestro caso, las dos $aria&les
arti(iciales $alen cero #a que no se encuentran en la columna de las $aria&les &"sicas
en la -ltima ta&la de la primera (ase. La segunda (ase consiste en resol$er el pro&lema
original utili%ando como ta&la inicial de esta (ase la -ltima ta&la de la primera (ase pero
sin considerar la columna de las $aria&les arti(iciales #a que stas tomaron el $alor de
cero en la primera (ase. El mtodo smplex aplicado a la segunda (ase se muestra en elsiguiente con9unto de ta&las*
VariableBsica
Z
x1
x2
x3
x
x!
x?
"adoderecho
#ociente
$%s &tima'
1 7.5 7.3 7 7 7 7 7x1 7 1 7 3 1 7 7 .3
5/27/2018 Parte 6 Programaci n Lineal M todo Simplex
28/28
x3 7 7 7 7.@@ 7.67 1 1 7.0
x4 7 7 1 3.73 0 7 7 5.3 1 7 7.3 4 7 0x1 7 1 7 3 7 .3
x3 7 7 7 7.@@ 1 7.0
x4 7 7 1 3.73 7 5.3 1 7 7 7.34 7 3.43x1 7 1 7 3 7 .3 .3,5.3,7,7,7.0,7!x3 7 7 7 7.@@ 1 7.0 / 3.43x4 7 7 1 3.73 7 5.3 >&tima fase 2
otemos que no (ue necesario aplicar propiamente el mtodo smplex a la
primera ta&la de la segunda (ase, #a que -nicamente aplicando operaciones con
matrices para tratar de lle$ar esta ta&la a la (orma apropiada para el mtodo smplex
(ue su(iciente para resol$er el pro&lema planteado en la segunda (ase. Es necesarioaclarar que no siempre ocurrir" de esta manera, es decir, si despus de de9ar la ta&la
en la (orma apropiada, es necesario aplicar el mtodo smplex, se de&e aplicar como lo
hemos estudiado.
)ota: Gndependientemente de que el pro&lema original real! sea de maximi%acin o
minimi%acin, la &rimera fase siem&re consistir en la minimi6acin de la
suma de todas las $aria&les arti(iciales.