METODO SIMPLEX OBJETIVO GENERAL Entender la aplicacin del Algoritmo SIMPLEX en problemas del mundo real aplicados en Programacin

lineal cuando la funcin objetivo es maximizar con restricciones (menor o igual que). OBJETIVOS ESPECIFICOS Construir la primera tabla del simplex. Hallar la primera solucin factible de los problemas de programacin lineal. Entender las iteraciones que se deben establecer para mejorar la funcin objetivo de los problemas y poder hallar el ptimo. Entender el significado de cada uno de los resultados de las tablas del simplex. Hallar la respuesta ptima a los ejercicios propuestos. Comprender los procedimientos generales del mtodo simplex. METODOLOGIA: Se sugiere que este taller sea desarrollado en forma individual y sea apoyado por la bibliografa suministrada por el profesor de la materia. CONCEPTOS PREVIOS: Quizs la mejor forma de comprender lo que es el mtodo simplex es recordar cual es la base del mtodo grfico, para as extrapolar estos conocimientos al mtodo simplex. TEMATICA: El mtodo consiste en partir de un vrtice del conjunto de soluciones, o solucin inicial y determinar si es ptima. Si no lo es, se pasa a partir de l a otro vrtice adyacente (es decir, que difiera del anterior en el hecho de que una coordenada no nula del primero se anule en el segundo y viceversa), por un criterio semejante al del gradiente, en el que mejore el valor de la funcin objetivo o funcin econmica, repitindose esta operacin hasta que no sea posible mejorar la funcin objetivo, en cuyo caso ya se ha alcanzado el ptimo. El nmero de iteraciones es finito y, segn los casos, se encuentra entre n y 2n. Programacin lineal con variables enteras y binarias En muchos casos la naturaleza de las variables que constituyen un programa lineal y las unidades en que vienen medidas exigen que estas variables tomen valores enteros, ejemplo: Nmero de vehculos, personas, productos, mquinas, etc. En tal caso una aproximacin para resolver el problema consiste en tratarlo sin tener en cuenta el carcter entero de las variables. Si la solucin obtenida por la aplicacin del mtodo SIMPLEX resultara entera habramos terminado con el problema. Si no es as, una alternativa es redondear la solucin, comprobando que el punto as obtenido es realmente una solucin, es decir, satisface al conjunto de restricciones, o bien tomar de cada variable su parte entera, realizando la misma comprobacin. Cuando los valores de la variable son de magnitud considerable, estas alternativas garantizan una excelente aproximacin al punto ptimo. Cuando los valores de las variables son pequeos el redondeo puede estar lejos de la solucin ptima, As, que tenga cuidado. Hay varios mtodos para abordar la solucin de un programa lineal con variables enteras. El mas conocido es el de Formas enteras de Gomory o mtodos de los hiperplanos de corte que, bsicamente, consiste en introducir restricciones adicionales que slo pueden satisfacer las soluciones enteras y que reducen paulatinamente el conjunto inicial de soluciones. Su solucin conduce a clculos muy laboriosos, que ahora se resuelven en el computador. Otra consideracin que se debe tener en cuenta es que se pueden usar variables binarias, esto es, que slo puede tomar valores de 0 y 1, en un modelo de programacin lineal. Esto se usa generalmente en los problemas de asignacin. III. SOLUCIONES DE MAXIMIZACION SIMPLEX La mejor manera de aprender el mtodo simplex es resolviendo problemas de programacin lineal Para esto realicemos el siguiente ejercicio. Una fbrica productora de embalajes plsticos, elabora dos tipos de containers de 3.750 c.c. y 4.000 c.c. Los datos de produccin se presentan en la tabla adjunta. La persona encargada del termo-formado no puede trabajar ms de 40 horas a la semana y los recursos econmicos de la fbrica no permiten inversiones mayores de US$1.000 de materiales por semana cuntos containers de cada tipo debera fabricar la industria, para obtener la utilidad mxima?

[@ TIPO DE TRABAJO POR COSTO POR UTILIDAD POR CONTAINER CONTAINER CONTAINER CONTAINER 3750 (A) 6 HORAS $200 $240 4000 (B) 5 HORAS $100 $160 [@ PASO 1: Establezca el modelo: Cmo es posible que haya ms de dos variables, es usual representarlas como X1 X2 X3, etc. Variables independientes X1: Cantidad de container tipo A X2: Cantidad de container tipo B Restricciones C1: 6X1 + 5X2 Restriccin de tiempo C2: 200X1 + 100X2 Restriccin de dinero C3: X1 C4: X2 Funcin objetivo: Z= 240X1 + 160X2 (Z es la utilidad) PASO 2: Convierta las desigualdades de restricciones en ecuaciones 6X1+5X2=40 Observe que si el nmero total de horas es menor que 40, implica que algunas horas no se aprovecharon, esto significa que C1 se podra escribir como: C1=6X1+5X2+S1=40 S1 corresponde a la cantidad de horas no utilizadas, S1 S1 se denomina variable de holgura, de holgura debido a que establece el perodo libre entre las horas empleadas (pueden ser menos de 40) y las horas disponibles (exactamente 40). El introducir la variable de holgura convierte las desigualdades de restriccin en ecuaciones, lo que implica que se puedan utilizar matrices y el mtodo de Gauss Jordn para resolver el problema. C2:200X1 + 100X2 C2:200X1 + 100X2+S2 Nuevamente S2 es una variable de holgura que establece el dinero no utilizado, S2 . S2 determina la cantidad no empleada de dinero (menor a US$1.000) y el dinero disponible (igual a US$1.000) Las restricciones C3:X1 y C4: X2 son condiciones de no negatividad. PASO 3: Reescriba la funcin objetivo con todas las variables en el lado izquierdo Z = 240X1 + 160X2 -240X1 - 160X2+ Z =0 Incluyendo las variables de holgura -240X1160X2+0S1+0S2+Z=0 C1:6X1+5X2+S1=40 C2:200X1+100X2+S2=1.000 Recuerde que S1= horas no utilizadas S2= dinero no utilizado PASO 4: Plantee una matriz a partir de las restricciones y de la funcin objetivo reescritas. C1 = 6X1 + 5X2 + S1 + 0S2 + 0Z =40 C2=200X1 + 100X2 + 0S1 + S2 + 0Z =1000 Funcin objetivo 240X1 - 160X2 + 0S1 + 0S2 + Z = 0 (1) El mtodo smplex requiere el examen de una serie de matrices. Recuerde que en el mtodo grfico se requera que examinramos una serie de puntos. En forma anloga el mtodo smplex (cada matriz) nos proporciona un punto esquina de la regin de soluciones factibles, sin necesidad de graficar la regin. Una ltima matriz smplex nos proporcionar el punto esquina ptimo (la solucin al problema). PASO 5: Determine la solucin posible correspondiente a la matriz. La solucin factible se determina aplicando un mtodo semejante al de Gauss-Jordan, utilizando como siempre un pivote (1) para obtener una matriz en la forma escalonada reducida por rengln. El valor de la variable que encabeza cada una de las columnas se obtiene leyendo hacia abajo la columna, volteando en 1 y detenindose al final del rengln. La matriz smplex inicial (1) no est en forma escalonada reducida por rengln . Las columnas S1 , S2 y Z si estn en forma escalonada reducida, luego utilizando el esquema anterior. F= Observe que S1=40

S2=1000 Z=0 Y consideremos, inicialmente X1=0 X2=0 Luego una solucin factible corresponde a la matriz (X1 X2 S1 S2) = (0,0,40,1000) con Z=0 Lo anterior es una solucin factible por que si X1 e X2=0 se satisfacen las cuatro restricciones. Esta solucin factible implica: que no se fabricara el container tipo A y B, dispondramos de 40 horas no trabajadas y US$1.000 no gastados, luego no habra utilidad. Si este ejercicio se resolviera por mtodo grfico, (es pertinente que usted realice el ejercicio) el (0,0) corresponde a un punto de esquina. El mtodo smplex localiza los dems puntos de esquina hasta que encontremos el ptimo. El mtodo de Gauss-Jordan y el mtodo smplex Cuando se soluciona un sistema por el mtodo de Gauss-Jordan no proporciona ninguna solucin hasta que se obtiene la matriz final de Gauss-Jordan. El mtodo smplex, por el contrario proporciona una serie de soluciones posibles, una por cada matriz. Cada solucin posible sera un punto esquina de la regin de posibles soluciones. Si se estuviese manejando el mtodo grfico. Ahora apliquemos el mtodo smplex para solucionar el problema. Variables independientes X1= Cantidad de container Tipo A X2= Cantidad de container Tipo B Variables de holgura S1= Horas no empleadas S2= Dinero no utilizado Restricciones: C1:6X1+5X2+S1=40 Restriccin de tiempo C2:200X1+100X2+S2+1000 Restriccin de dinero Funcin objetivo -240X1 - 160X2 + 0S1 + 0S2 + 1Z = 0 La primera matriz smplex es la siguiente Una posible solucin era (X1,X2,S1,S2) = (0,0,40,1000) Z=0 pero no es la solucin mxima. El procedimiento que usaremos es igual al mtodo de Gauss-Jordan excepto por la ubicacin del punto pivote. PIVOTES POR EL MTODO SMPLEX PASO 1: Ubique el ltimo rengln en la matriz anterior,( es la funcin objetivo). Escoja la entrada ms negativa en ese rengln. La columna que contiene esa entrada ser la columna pivote. Columna pivote PASO 2: Divida la ltima entrada en cada rengln de restriccin por la correspondiente entrada de la columna pivote. El rengln que de el menor cociente no negativo es el rengln pivote. Columna pivote PASO 3: Elija como pivote la entrada del rengln y la columna pivote PIVOTE RENGLN PIVOTE Columna Pivote El valor de 200 es el pivote. Haremos las operaciones de rengln, en forma similar que lo haramos por el mtodo de Gauss-Jordan. Cada matriz smplex, nos proporciona un punto esquina de la regin de soluciones posibles; la matriz final smplex nos proporcionar el punto esquina ptimo. La matriz anterior nos proporciona un punto de esquina, por que las columnas X1,S1 y Z slo contienen unos y ceros. Observe que X1=5 S1=10 Z=1.200 mientras que X2,S2 son cero (por qu?) Por favor interprete esta solucin: La pregunta que podramos formular es si ste punto esquina es el ptimo. Desafortunadamente la respuesta a la pregunta anterior se responde con otra pregunta Es posible emplear pivotes nuevamente? S, si el ltimo rengln contiene entradas negativas, en caso contrario no se requiere pivote y la solucin posible que corresponde a la matriz es la mxima.

Columna Pivote El menor cociente no negativo es 5, rengln 1 Ahora preguntmonos Es posible emplear ms pivotes? No, el ltimo rengln contiene entradas no negativas. Esta es nuestra ltima matriz y la solucin correspondiente a esta matriz es el punto esquina ptimo. (X1,X2,S1,S2) = (2.5 , 5 , 0.0) con Z=1.400