SD Cap05

Cap.
5 La resolucin de los problemas de PL: El Mtodo Simplex

"Sistemas de Decisin Empresarial" Daniel Villalba y Yolanda Bueno
1

CARACTERIZACIN DEL
CONJUNTO DE SOLUCIONES EN
LOS PROBLEMAS DE P.L.
Para resolver los problemas de PL se
utilizan varios Algoritmos. El ms antiguo y
ms utilizado sigue siendo el Algoritmo del
Simplex debido a Dantzig.
La solucin de los problemas de
programacin lineal parte de dos teoremas
fundamentales:
El conjunto factible de un problema
de PL puede representarse
mediante un poliedro convexo.
Si un PL tiene solucin ptima y
finita sta se encuentra en uno de
los vrtices del poliedro convexo.
De ellos se deduce que:
Puesto que el nmero de vrtices de un
poliedro factible es finito, el nmero de
posibles soluciones de un PL tambin es
finito.

Cap.5 La resolucin de los problemas de PL: El Mtodo Simplex
2

CARACTERIZACIN DEL
Esto sugiere, inicialmente, un algoritmo para
calcular la solucin ptima:
Calcular el valor de la funcin objetivo en
cada vrtice del conjunto factible y
escoger el mejor.
Sin embargo, el nmero de vrtices de un
conjunto factible es:

m = nmero de restricciones
n = nmero de variables
Ejemplos:
m=3 n=2 Vrtices=10
m=50 n=80 Vrtices=2,97E+36
m)! - n (m m!
n)! (m
m
n m
+
+
=
|
|
.
|
\
|
+
3

CARACTERIZACIN DEL
El concepto de vrtice es de naturaleza
geomtrica y es poco adecuado para construir un
algoritmo utilizable por ordenadores.
El Mtodo Simplex se basa en el concepto de la
SOLUCIN BSICA FACTIBLE
Es aquella que tiene al menos n-m componentes
nulos o variables no bsicas. Las m restantes
variables se denominan bsicas.
A partir de: Ax = b
x > 0
Se dice que x es una SBF si puede realizarse la
particin:
A = [ N|B]

x
N
= 0
x
B
= B
-1
b
(
=
B
N
x
x
x
4

CARACTERIZACIN DEL
Existen varios tipos de solucin bsica:
SB Factible: Todas las variables bsicas x
B

> 0
SBF No Degenerada: x
B
> 0
SBF Degenerada: algn x
B
= 0

Cada SBF representa un vrtice del Conjunto
Factible.
Sin embargo, un vrtice puede estar representado
por ms de una SBF si esta es degeneradas.
Cualquier conjunto polidrico no vaco contiene al
menos un vrtice, y si hay un vrtice, siempre
habr por lo menos una SBF.
5

EL ALGORITMO DEL SIMPLEX

El algoritmo del Simplex busca el ptimo de un
problema de PL recorriendo algunos de los
vrtices del poliedro del conjunto de soluciones
factibles.
En cada iteracin, el algoritmo se desplaza de un
vrtice a otro de forma que el valor de la funcin
objetivo mejore con el desplazamiento.
La optimizacin de un PL puede dar 4 posibles
resultados:
ptimo nico
Soluciones Alternativas: Existen varias
soluciones que dan el mismo valor en la
funcin objetivo.
No factible: No existe ninguna solucin
que satisfaga simultneamente todas las
restricciones del problema
No acotado: El valor de la funcin objetivo
en el ptimo es tan grande (pequeo) como
se desee en caso de maximizacin
(minimizacin).
6

DIAGRAMA DE FLUJO DEL
MTODO DEL SIMPLEX
COMIENZO
Determinar una SBF inicial
Determinar los costes reducidos de
las v. bsicas
Introducir en la base la variable entrante
Extraer de la base la variable que bloquee el
crecimiento de la variable entrante
Actualizar x
B
Seleccionar la variable entrante Y
ik
Existe alguna
SBF?
Si
No FIN Infactible
Existe algun coste
reducido
positivo(Maximizacin)
o negativo
(Minimizacin)?
FIN Optimo No
Si
Existe algn Y
ik
positivo
(Maximizacin) o
negativo (Minimizacin)?
FIN No acotado
Si
No

Introducir en la base la variable
entrante Extraer de la base la variable
que bloquee al crecimiento de la
variable entrante. Actualizar X
B

7

LAS 3 PARTES DEL ALGORITMO DEL
SIMPLEX:
Costes reducidos (c
j
-z
j
):
Miden el efecto sobre la funcin objetivo
de un aumento unitario en el valor de
cada una de las variables no bsicas. Por
tanto:
Si una variable no bsica que tenga
asociado un (c
j
-z
j
) > 0 entrara en la
base, el valor de z aumentara.
asociado un (c
j
-z
j
) < 0 entrara en la
base, el valor de z disminuira.
asociado un (c
j
-z
j
) = 0 entrara en la
base, el valor de z permanecera
inalterado.
8

TEST DE OPTIMALIDAD
En problemas de maximizacin: La
solucin es ptima si todos los
costes reducidos (c
j
-z
j
) son s 0.
En problemas de minimizacin: La
solucin es ptima si todos los
costes reducidos (c
j
-z
j
) son > 0.
REGLA DE ENTRADA EN LA BASE
La variable que entra en la base
debe ser aquella que tenga el
mayor coste reducido positivo en el
caso de maximizacin (o mayor
coste reducido negativo en el caso
de minimizacin), ya que sta es la
variable que aumenta (disminuye)
ms rpidamente el valor de la
funcin objetivo.

9

REGLA DE SALIDA DE LA BASE
Se selecciona para salir de la base a
aquella variable que tenga un menor
cociente entre su valor y el coeficiente a
ik

(siendo k la variable que entra) siempre y
cuando dicho coeficiente sea
estrictamente positivo.
La interpretacin de este cociente:
Representa el mximo valor que
puede tomar la variable entrante
antes de que la variable que se
est considerando viole su
restriccin de no negatividad.
Si todos los a
ik
son s 0 la solucin no est
acotada:
La variable entrante puede crecer
indefinidamente sin prdida de
factibilidad.
10

DETERMINACIN DE UNA SBF
INICIAL
En el PL se transforman las inecuaciones en
ecuaciones.
Dentro de la matriz A de coeficientes deber
encontrarse una submatriz identidad (I) de orden
mxm:
A = [N | I ]
Las variables cuyos coeficientes tcnicos (a
ij
) se
corresponden con la submatriz identidad, sern
las variables consideradas bsicas (x
B
) en la
solucin inicial y sus valores de solucin sern
los trminos independientes de las restricciones
(b).
El resto de variables sern consideradas no
bsicas (x
N
) y, por tanto, su valor de solucin
ser cero.

Si A no contiene una submatriz identidad o existe
algn componente negativo en b, no resulta
inmediato determinar una SBF inicial.

(
=
(
=
b
0
x
x
x
B
N
11

APLICACIN MTODO SIMPLEX
EN FORMA DE TABLEAU

Operacin Producto Disponibilidad
X Y (horas/periodo)
Cortado 10 6 2.500
Cosido 5 10 2.000
Empaquetado 1 2 500
Beneficio unitario 23 32
EJEMPLO 5.1

12

APLICACIN DEL MTODO
SIMPLEX EN FORMA DE TABLEAU
EJEMPLO 5.1
El P.L. correspondiente es:
Max (z) = 23x + 32y
sujeto a:
10x + 6y s 2500
5x + 10y s 2000
x + 2y s 500
x, y > 0

Para convertir las inecuaciones en
ecuaciones se aade una variable de
holgura si por cada ecuacin:
Max (z) = 23x + 32y + 0 s1+ 0 s2 + 0 s3
10x + 6y + s
1
= 2500
5x + 10y + s
2
= 2000
x + 2y + s
3
= 500
x, y > 0

13

APLICACIN DEL MTODO
El proceso de clculo de la solucin
utilizando el mtodo del Simplex en forma
de tableau es el siguiente:
PASO 1: Formar el tableau inicial

PASO 2. Test de Optimalidad. Los
costes reducidos de las variables x
e y son positivos. Luego no
estamos en el ptimo y debe
aplicarse la regla de entrada en la
base.
14

APLICACIN DEL MTODO
PASO 3. Regla de entrada. Se
introduce la variable con mayor
coste reducido, en este caso, la
variable y.
PASO 4. Regla de salida. Para
determinar que variable sale de la
base se calculan los ratios:
x
0
Bi
/ y
ik
El mnimo es 200, por tanto, sale
s
2

PASO 5. Actualizacin de la
solucin:
Se divide la fila entrante por el
pivote
El resto de las filas se actualizan
restndoles la fila correspondiente a
la nueva variable bsica,
multiplicada por y
ik
15

APLICACIN DEL MTODO
El tableau resultante es:

Una vez recalculado el tableau, se
vuelve al paso 2 y se realiza una
nueva iteracin. El tableau
resultante es:
16

INICIAL
Si en la matriz A no existe una submatriz
identidad, se deber seguir uno de los
dos siguientes procedimientos:
Mtodo de Eliminacin o de la M Grande
Mtodo de las 2 Fases
En ambos casos se resuelve un
problema de apoyo que:
En A incluye una submatriz
identidad I, por lo que resulta muy
sencillo determinar una solucin
inicial
Su ptimo, si existe, es una SBF
del problema.
Una vez construido el problema de apoyo
se aplica el algoritmo del Simplex para su
solucin final.
17

INICIAL
1. MTODO DE ELIMINACIN O DE LAM
GRANDE
El trmino independiente (RHS) debe ser
>0.
A las restricciones del tipo s se aade una
variable de holgura con coeficiente +1
A las restricciones del tipo >, se aade
una variable de holgura con coeficiente -1
y una variable artificial con coeficiente +1
A las restricciones del tipo = se aade una
variable artificial con coeficiente +1
La contribucin de las variables de holgura
a la funcin objetivo es 0
La contribucin de las variables artificiales
a la funcin objetivo se fijan:
Min: + M
Max: - M
Siendo M un nmero suficientemente grande.
18

INICIAL
Solucin Infactible:
Si no se eliminan todas las variables
artificiales de la base cuando se ha
llegado al ptimo del problema de apoyo:
Solucin Infactible.
Solucin factible:
Si las variables artificiales se eliminan de
la base obtenemos una solucin factible.
19

APLICACIN DEL MTODO
EJEMPLO 5.2.
MTODO DE LA M GRANDE
El PL es el siguiente:
Min (z) = 3x + 2,5y
sujeto a:
2x + 4y > 40
3x + 2y > 50
x, y > 0
El problema de apoyo, utilizando el
mtodo de la M Grande:
Min (z) = 3x + 2,5y + 0 s
1
+ 0 s
2
+ MA
1
+ MA
2
sujeto a:
2x + 4y - s
1
+ A
1
= 40
3x + 2y - s
2
+A
2
= 50
x, y > 0
20

APLICACIN DEL MTODO
21

MTODO DE LAS 2 FASES
2. MTODO DE LAS 2 FASES
El mtodo de la M Grande incluye
variables de apoyo con un coeficiente
muy grande (M) o muy pequeo (-M) en
la funcin objetivo.
Esto da lugar a problemas numricos que
conducen a soluciones errneas. Esto es
especialmente grave en problemas de
cierto tamao.
De ah que los cdigos comerciales
utilizan una extensin del algoritmo del
Simplex conocida como el Mtodo de las
2 Fases:
1 Fase: Obtener una SBF inicial.
2 Fase: Obtener una solucin
ptima.
22

INICIAL
1 FASE
La contribucin de las variables
bsicas (c
j
) es =0 en la funcin
objetivo.
Aadir variables de holgura en las
restricciones, con contribucin a la
funcin objetivo =0
Aadir variables artificiales pero la
contribucin a la funcin objetivo =1
Se minimiza la funcin objetivo anterior. Si
la funcin objetivo (z) es 0 entonces se ha
llegado a una solucin factible del
problema inicial.
SBF Inicial hallada. Las variables artificiales
se pueden eliminar de la tabla y proceder
con la fase 2. Ahora ya partimos de una
SBF.
Solucin infactible del problema original. Si
al final de la 1 fase hay alguna variable
artificial en la base.
23

INICIAL
2 FASE
Se eliminan de la tabla las variables
artificiales.
Se sustituyen los c
j
(contribuciones
a la funcin objetivo) por las del
problema original.
Se recalculan z
j
y c
j
-z
j

Se comprueba si la solucin es ptima
analizando el valor de los costes
reducidos.
Si es ptima hemos terminado.
Si no lo es, se sigue iterando hasta
alcanzar el ptimo.
24

APLICACIN DEL MTODO DE
LAS 2 FASES
EJEMPLO 5.3.
MTODO DE LAS 2 FASES
El PL es el siguiente:
Min (z) = 3x + 2,5y
sujeto a:
2x + 4y > 40
3x + 2y > 50
x, y > 0
El problema de apoyo, utilizando el
mtodo de las 2 Fases:
Min (z) = 0x + 0y + 0 s
1
+ 0 s
2
+ A
1
+ A
2
sujeto a:
2x + 4y - s
1
+ A
1
= 40
3x + 2y - s
2
+A
2
= 50
x, y, s
1
, s
2
, A
1
, A
2
> 0
25

LAS 2 FASES
26

LAS 2 FASES
27

Una manera ms formal de ver la
resolucin de problemas de P.L.
mediante el Simplex es la siguiente :
Sea un PL en forma estndar:
Max cx
sujeto a :
Ax =b
x 0
Esta formulacin equivale a:
Max cx
sujeto a :
z c
B
x
B
c
N
x
N
= 0 [1]
x
B
+ B
-1
Nx
N
= B
-1
b [2]
x 0
PLANTEAMIENTO FORMAL DEL
28

Sustituyendo [2] en [1] y despejando se obtiene:
z= c
B
B
-1
b+(c
N
- c
B
B
-1
N)x
N

Por definicin: z= c
B
B
-1
b, luego:
(c
N
- c
B
B
-1
N)x
N
= 0 [3]

Formando una tabla en formato de tableaucon
[2] y [3] se obtiene:

donde:
c
N
- c
B
B
-1
N : Costes reducidos
B
-1
b: Valores de las variables bsicas
B
-1
N: Matriz de los coeficientes

C
j
C
B
C
N
X
B
C
B
X
B
X
N
X
B
C
B
B
-1
b I B
-1
N

Z
j
C
B
C
B
B
-1
N
C
j
-Z
j
0 C
N
-C
B
B
-1
N

29

La obtencin de la inversa B
-1
se realiza
aplicando alguna de las siguientes reglas de
lgebra:
Intercambiar dos filas
Multiplicar una fila por un valor distinto
de cero.
Intercambiar dos filas

De esta forma, el mtodo simplex aplicado a
problemas en forma de tableau se reduce a
aplicarle a la tabla estas operaciones de forma
que:
El nuevo tableau representa una nueva
solucin bsica factible.
Salvo en el caso de soluciones
degeneradas, el valor de la funcin
objetivo mejora en cada iteracin.

30

LAS DIFERENTES SOLUCIONES
DE UN PROBLEMA DE P.L. EN EL
SIMPLEX
Cmo reconocer todos los casos que
pueden darse en la resolucin de un PL?
Solucin nica: En el ltimo tableau,
los costes reducidos de las variables
no bsicas son estrictamente
negativos (maximizacin) o
estrictamente positivos (minimizacin).
Soluciones alternativas: En el ltimo
tableau, alguno de los costes
reducidos de las variables no bsicas
es igual a cero.
Solucin no acotada: Si al efectuar el
test de salida de la base, todos los
coeficientes de la columna
correspondiente a la variable entrante
son no positivos.
Problema infactible: Se reconoce
porque alguna variable artificial queda
en la base en el tableau final.
31

EL MTODO SIMPLEX EN LOS
CDIGOS COMERCIALES DE PL
El mtodo Simplex en forma de
tableau es til para los problemas
pequeos.
Sin embargo, como proceso de clculo
resulta ineficiente y puede tener
problemas de inestabilidad numrica
por las siguientes razones:
Los problemas reales suelen ser
relativamente grandes y con una
densidad (nmero de posiciones
ocupadas por un nmero distinto de
cero, dividido por el nmero total de
posiciones) baja. Si esta matriz se
conserva en forma de tableau, se
ocupan m(m+n) posiciones de
memoria. Si tan slo se conservan los
valores distintos de cero junto con sus
coordenadas, la ocupacin en
memoria es muchsimo menor.
32

Existe una forma implcita de almacenar
la inversa, que ocupa un espacio en
memoria inferior a mxm
EJEMPLO:
Un problema real de PL tiene densidades
que oscilan tpicamente entre 0,5% y 2%.
Supongamos un problema de PL de 200
restricciones, 500 variables y una densidad
del 1%
Si guardamos explcitamente todos los
valores de la matriz A, ocuparemos
200(200+500)= 140.000 posiciones de
memoria.
Si guardamos la misma matriz
implcitamente (nmero de filas, nmero
de columna y valor del coeficiente no cero
correspondiente) entonces ocuparemos
tan slo (200x500)x1% x 3= 3000
posiciones de memoria.

33

La acumulacin de errores de
redondeo puede originar problemas de
clculo importantes, hasta tal punto
que la solucin obtenida puede
resultar equivocada

Por todos estos motivos, los cdigos
comerciales no utilizan la versin del
Simplex en forma de tableau.
Lo ms corriente es que utilicen una
versin del mtodo de las dos fases y,
dentro de cada una de ellas, alguna
variante de un algoritmo conocido como
mtodo simplex revisado.
34

RESOLUCIN DE PROBLEMAS
CON PROGRAMAS
INFORMTICOS
EJEMPLO: Resolucin con Solver
Max (z) = 23x + 32y
sujeto a:
10x + 6y s 2500
5x + 10y s 2000
x + 2y s 500
x, y > 0
Pantalla inicial con los datos

Pantalla inicial vista de formulacin
35

CON PROGRAMAS
INFORMTICOS
Ventana para incluir restricciones en Solver

Definir celda objetivo: seleccionar la celda objetivo
que se desea maximizar o minimizar. La celda debe
contener una frmula.
Igual a: sealar si se desea maximizar o minimizar la
celda objetivo, o bien definirla con un valor especfico.
Cambiando las celdas: seleccionar las celdas donde
se encuentren el valor de las variables.
Sujeto a las siguientes restricciones
Agregar: sirve para aadir restricciones.
Cambiar: seleccionada una restriccin, sirve
para cambiar alguno de sus trminos.
Eliminar: elimina la restriccin seleccionada.
Resolver: solucin del problema definido.
36

CON PROGRAMAS
INFORMTICOS

Ventana de resolucin del problema en Solver

En esta ventana podemos aceptar la solucin o
descartarla, pudiendo regresar a los valores originales.
Adems podemos seleccionar la elaboracin de informes,
para este ejemplo seleccionaremos informe de
respuestas.
Solucin del problema

37

CON PROGRAMAS
INFORMTICOS
Informe de respuestas
38

BIBLIOGRAFA
Villalba D. y Jerez M. Sistemas de
Optimizacin para la Planificacin y Toma
de Decisiones Pirmide 1990. Agotado.
Ejemplares en Biblioteca de la Facultad
de CC EE y EE.
Captulo 5.

SD Cap05

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

SD Cap05

Uploaded by

Copyright:

Available Formats

Cap.

5 La resolucin de los problemas de PL: El Mtodo Simplex

You might also like