...
am1x1 + am2x2 + ... + amnxn = bm
x1,..., xn 0
El modelo debe cumplir las siguientes condiciones:
1.
2.
3.
Todas las variables (xi) deben tener valor positivo o nulo (condicin de no
negatividad).
4.
Tipo de optimizacin.
Como se ha comentado, el objetivo del mtodo consistir en optimizar el valor de la
funcin objetivo. Sin embargo se presentan dos opciones: obtener el valor ptimo mayor
(maximizar) u obtener el valor ptimo menor (minimizar).
Adems existen diferencias en el algoritmo entre el objetivo de maximizacin y el de
minimizacin en cuanto al criterio de condicin de parada para finalizar las iteraciones y a
las condiciones de entrada y salida de la base. As:
Objetivo de maximizacin
Condicin de parada: cuando en la fila Z no aparece ningn valor negativo.
Condicin de entrada a la base: el menor valor negativo en la fila Z (o el de mayor valor
absoluto entre los negativos) indica la variable P j que entra a la base.
Condicin de salida de la base: una vez obtenida la variable entrante, la variable que sale
se determina mediante el menor cociente P0/Pj de los estrictamente positivos.
Objetivo de minimizacin
Condicin de parada: cuando en la fila Z no aparece ningn valor positivo.
Condicin de entrada a la base: el mayor valor positivo en la fila Z indica la variable P j que
entra a la base.
Condicin de salida de la base: una vez obtenida la variable entrante, la variable que sale
se determina mediante el menor cociente P0/Pj de los estrictamente negativos.
No obstante, es posible normalizar el objetivo del problema con el fin de aplicar siempre
los mismos criterios en lo referente a la condicin de parada del algoritmo y a las
condiciones de entrada y salida de las variables de la base. De esta forma, si el objetivo
es minimizar la solucin, se puede cambiar el problema a otro equivalente de
maximizacin simplemente multiplicando la funcin objetivo por "1". Es decir, el problema
de minimizar Z es equivalente al problema de maximizar (-1)Z. Una vez obtenida la
solucin ser necesario multiplicarla tambin por (-1).
Ventajas: No hay que preocuparse por nuevos criterios de parada, condicin de entrada y
salida de la base ya que se mantienen.
Inconvenientes: En el caso de que la funcin tenga todos los coeficientes de sus
variables bsicas positivos, y adems las restricciones sean del tipo de desigualdad "", al
hacer el cambio dichos coeficientes quedan negativos cumplindose la condicin de
parada en la primera iteracin (en la fila del valor de la funcin objetivo todos los valores
son positivos o cero). Obtenindose en este caso por defecto un valor ptimo para la
funcin igual a 0.
Solucin: Realmente no existe este problema dado que para que la solucin sea superior
a 0 es necesario que alguna restriccin tenga impuesta la condicin "" (y se tratara de
un modelo para el mtodo de las Dos Fases). En el caso planteado, la solucin real debe
ser cero.
Al realizar la primera iteracin con el mtodo Simplex, las variables bsicas no estarn en
la base y tomarn valor cero. En este caso la nueva variable x s, tras hacer cero a x1 y x2,
tomar el valor -b1 y no cumplira la condicin de no negatividad. Es necesario aadir otra
nueva variable xr, llamada variable artificial, que tambin aparecer con coeficiente cero
en la funcin objetivo y sumando en la restriccin correspondiente. Quedando entonces de
la siguiente manera:
a11x1 + a12x2 b1
En el ltimo caso se hace patente que las variables artificiales suponen una violacin de
las leyes del lgebra, por lo que ser necesario asegurar que dichas variables artificiales
tengan un valor 0 en la solucin final. De esto se encarga el mtodo de las Dos Fases y
por ello siempre que aparezcan este tipo de variables habr que realizarlo.
En la siguiente tabla se resume segn la desigualdad el tipo de variable que aparece en la
ecuacin normalizada, as como su signo:
Tipo de desigualdad
A continuacin se explican paso a paso los puntos de cada mtodo, concretando los
aspectos a tener en cuenta.
Mtodo Simplex
Cb
Cb1
Cb2
...
Cbm
P0
b1
b2
...
bm
Z0
C1
P1
a11
a21
...
am1
Z1-C1
C2
P2
a12
a22
...
am2
Z2-C2
Todos los valores incluidos en la tabla vendrn dados por el modelo del problema salvo los
valores de la fila Z (o fila indicadora). Estos se obtienen de la siguiente forma: Z j =
(CbiPj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en caso contrario Pj = aij.
Se observa, al realizar el mtodo Simplex, que en esta primera tabla ocupan la base todas
las variables de holgura y por ello (todos los coeficientes de las variables de holgura son 0
en la funcin objetivo) el valor inicial de Z es cero.
Por este mismo motivo tampoco es necesario realizar los clculos de los costes reducidos
en la primera tabla, pudindose determinar directamente como el cambio de signo de los
coeficientes de cada variable en la funcin objetivo, esto es, -C j.
Condicin de parada:
..
..
..
..
..
..
..
Elemento pivote:
El elemento pivote de la tabla queda marcado por la interseccin entre la columna de la
variable entrante y la fila de la variable saliente.
Actualizacin de la tabla:
Las filas correspondientes a la funcin objetivo y a los ttulos permanecern inalteradas en
la nueva tabla. El resto de valores debern calcularse como se explica a continuacin:
FASE 1
Esta primera fase es muy similar al mtodo Simplex, con la excepcin de la construccin
de la primera tabla, adems de la necesidad de estudiar el resultado obtenido para
determinar si se desarrolla la segunda fase.
En tal caso, la ltima tabla de esta fase ser, con algunas modificaciones, la utilizada
como tabla inicial para la segunda fase.
Base
P1
P2
...
Pm
Z
Cb
Cb1
Cb2
...
Cbm
C0
P0
b1
b2
...
bm
Z0
C1
P1
a11
a21
...
am1
Z1
Tabla
C2
P2
a12
a22
...
am2
Z2
...
...
...
...
...
...
...
Cn-k
Pn-k
a1n-k
a2n-k
...
amn-k
Zn-k
La condicin de parada es la misma que en el mtodo Simplex normal. Esto es, cuando
en la fila indicadora ninguno de los valores de los costes reducidos es negativo (ya que tal
y como se ha planteado el objetivo es la maximizacin de (-1)Z').
Cumplida la condicin de parada es necesario determinar si es posible pasar a la segunda
fase para obtener la solucin ptima del problema original. Esto se hace observando el
resultado obtenido en la primera fase: si su valor es 0, significa que el problema original
tiene solucin y es posible calcularla, en caso contrario indica que se trata de un problema
no factible y no tiene solucin.
FASE 2
La segunda fase del mtodo de las Dos Fases se desarrolla exactamente igual que el
mtodo Simplex, con la salvedad de que antes de iniciar las iteraciones hay que eliminar
las columnas correspondientes a las variables artificiales, y reconstruir la tabla inicial.
que tiene solucin ilimitada. No hay valor ptimo concreto para la funcin objetivo sino que
a medida que se aumenta el valor de las variables tambin se incrementa el valor Z sin
violar ninguna restriccin.
No existe solucin: cuando ningn punto satisface todas las restricciones del problema
se produce la infactibilidad no existiendo ninguna solucin posible para l. En este caso,
una vez terminadas todas las iteraciones del algoritmo, existen en la base variables
artificiales cuyo valor es superior a cero.
Empate de variable entrante: cuando se produce un empate en la condicin de decisin
de la variable entrante se puede optar por cualquiera de ellas sin que esto afecte a la
solucin final. Por contra si influye en el nmero de iteraciones necesarias para obtener
dicha solucin. Se aconseja optar a favor de las variables bsicas ya que ellas son las que
formarn parte de la solucin ptima.
Empate de variable saliente: se puede nuevamente optar por cualquiera de ellas. Sin
embargo, a fin de no alargar el problema y evitar la entrada en un bucle infinito (caso
degenerado), se discrimina a favor de las variables de decisin haciendo que
permanezcan en la base. En el caso de estar en la primera fase del mtodo de las Dos
Fases, se optar por sacar de la base las variables artificiales.
Curiosidad en la Fase 1: al finalizar la fase 1, si el problema original tiene solucin, todas
las variables artificiales en la fila indicadora deben tener el valor "1".
El elemento pivote puede ser nulo?: No, el elemento pivote siempre ser
estrictamente positivo ya que nicamente se realizan los cocientes entre valores no
negativos y mayores que cero (ante un problema de maximizacin).
.
Criterio de
decisin
Maximizar
Minimizar
Gran M en la
- MXj
funcin objetivo
+MXj
La ms positiva de los Zj - Cj
La menos positiva de los b/a ,Siendo La menos positiva de los b/a ,Siendo a > 0 , de
a > 0 , de lo contrariono restringe
lo contrariono restringe a la variable queentra
TIPOS DE RESTRICCIONES
Restricciones
Se aade una variable de holgura, con costo (o ganancia) en la funcin objetivo igual a 0.
Ejm:
2X1 - 4X2 <= 1, queda:
2X1 - 4X2 + X3 = 1
Restricciones
Se resta una variable de exceso, con costo (o ganancia) en la funcin objetivo igual a 0, y se suma una
variable artificial con costo +M M segn sea maximizacin o minimizacin.
Ejm:
2X1 + 3X2 >= 1, queda:
2X1 + 3X2 - X3 + X4= 1
Restricciones =
Se le aade una variable artificial con costo +M M segn sea maximizacin o minimizacin.
Ejm:
2X1 + 3X2 = 8, queda:
2X1 + 3X2 + X3= 8
excluyentes, por lo tanto no existe rea de soluciones factible y menos una solucin ,
en ste caso se debe revisar la formulacin del problema.
Si en el tablero simplex del ptimo, al menos una de las variables no bsicas tiene
coeficiente cero (0) en la funcin objetivo, esto es su Zj Cj = 0, el problema tiene
mltiples soluciones y se nos est ofreciendo una de ellas.