INVESTIGACIN DE OPERACIONES

Sebastin Pozo Sexto semestre

MTODO SIMPLEX
Es un procedimiento iterativo (que se repite) que se basa en el mtodo grafico en el que indica que la solucin ptima de un programa lineal siempre est asociada con un punto esquina del espacio de soluciones. Este resultado es la clave del mtodo smplex algebraico y general para resolver cualquier modelo de programacin lineal.

 La transicin de la solucin del punto esquina geomtrico hasta el mtodo smplex implica un procedimiento de cmputo que determina en forma algebraica los puntos esquina. Esto se logra convirtiendo primero a todas las restricciones de desigualdad en ecuaciones, para despus manipular esas ecuaciones en una forma sistemtica.

 Una propiedad general del mtodo smplex es que resuelve la programacin lineal en iteraciones o repeticiones. Cada iteracin desplaza la solucin a un nuevo punto esquina que tiene potencial de mejorar el valor de la funcin objetivo. El proceso termina cuando ya no se pueden obtener mejoras.

 El mtodo smplex implica clculos tediosos y voluminosos, lo que hace que la computadora sea una herramienta esencial para resolver los problemas de programacin lineal. Por consiguiente, las reglas computacionales del mtodo smplex se adaptan para facilitar el clculo automtico.

ESPACIO DE SOLUCIONES EN FORMA DE ECUACIN

Para estandarizar, la representacin algebraica del espacio de soluciones de programacin lineal se forma bajo dos condiciones: 1 . Todas las restricciones (excepto las de no negatividad) son ecuaciones con lado derecho no negativo.

2. Todas las variables son no negativas.

CONVERSIN DE DESIGUALDADES A ECUACIONES

En las restricciones (), el lado derecho se puede imaginar como representando el lmite de disponibilidad de un recurso, y en ese caso el lado izquierdo representara el uso de ese recurso limitado por parte de las actividades (variables) del modelo. La diferencia entre el lado derecho y el lado izquierdo de la restriccin ( ) representa, por consiguiente, la cantidad no usada u holgura del recurso.

 Para convertir una desigualdad ( ) en ecuacin, se agrega una variable de holgura al lado izquierdo de la restriccin. Por ejemplo, en la siguiente 6 x 1 + 4 x 2 24 Si se define s 1 como la holgura, o cantidad no usada, de M1, la restriccin se puede convertir en la siguiente ecuacin 6 x 1 + 4 x 2 + s 1 = 24, s 1 0

 Una restriccin ( ) establece, normalmente, un lmite inferior para las actividades del modelo de programacin lineal. Como tal, la cantidad por la que el lado izquierdo es mayor que el lmite mnimo (lado derecho) representa un excedente. La conversin de ( ) a (=) se logra restando una variable de excedencia, del lado izquierdo de la desigualdad. Por ejemplo, en la restriccin que representa los requisitos mnimos est dada como: X 1 + x 2 800

 Si se define a S 1 como una variable de excedencia se puede convertir la restriccin en la ecuacin siguiente: X 1 + x 2 - S 1 = 800, S 1 0

Es importante observar que las variables de holgura y de excedencia, s 1 y S 1 , siempre son no negativas.
El nico requisito que queda es que el lado derecho de la ecuacin que resulte sea no negativo. Esta condicin se puede satisfacer siempre, si es necesario multiplicando ambos ladosde la ecuacin resultante por 1 .

 Por ejemplo, la restriccin: - x 1 + x 2 -3 equivale directamente a la ecuacin: - x 1 + x 2 + s 1 = -3, s 1 0 Ahora se multiplican ambos lados por 1 , y se obtiene un lado derecho no negativo, que es lo que se busca; esto es: x1- x2- s1= 3

MANEJO DE VARIABLES NO RESTRINGIDAS

En todos los modelos de programacin lineal que se presentaron en el captulo 2 slo manejamos variables no negativas. Sin embargo, hay casos en los que una variable puede asumir cualquier valor real (positivo, cero o negativo). En el siguiente ejemplo se presenta una aplicacin de esa ndole.

TRANSICIN DE SOLUCIN GRFICA A SOLUCIN ALGEBRAICA

Las ideas contenidas en la solucin grfica de un modelo de programacin lineal son la base para desarrollar el mtodo algebraico smplex. La figura marca el paralelismo entre los dos mtodos. En el mtodo grfico, el espacio de soluciones se delimita con los semi espacios que representan las restricciones, y en el mtodo smplex, el espacio de soluciones se representa con m ecuaciones lineales simultneas y n variables no negativas.

 Se puede apreciar en forma visual por qu el espacio grfico de soluciones tiene una cantidad infinita de puntos de solucin; pero, cmo se puede deducir algo parecido a partir de la representacin algebraica del espacio de soluciones? La respuesta es que en la representacin algebraica, la cantidad m de ecuaciones siempre es menor o igual a cantidad de variables n.

 Si m n, y si las ecuaciones son consistentes, el sistema slo tiene una solucin; pero si m < n (esto representa la mayor parte de los programas lineales), entonces el sistema de ecuaciones producir una infinidad de soluciones, de nuevo si es consistente. Como ejemplo sencillo, la ecuacin x=2 tiene m=n=1, y es obvio que la solucin es nica. Pero la ecuacin x + y = 1 tiene m = 1 y n = 2, y tiene una cantidad infinita de soluciones. Cualquier punto de la recta x + y = 1 es una solucin.

 Ya demostramos cmo se representa el espacio de soluciones de un programa lineal enforma algebraica. Entonces los candidatos para la solucin ptima, que son los puntos esquina, se determinan con las ecuaciones lineales simultneas como sigue: En un conjunto de m x n ecuaciones (m < n), si se igualan a cero n m variables, y a continuacin se despejan las m variables restantes de las m ecuaciones, la solucin resultante, si es nica, debe corresponder a un punto esquina del espacio de soluciones .

EL MTODO SMPLEX
Ms que enumerar todas las soluciones bsicas (puntos esquina) del problema de programa cin lineal, el mtodo smplex slo investiga unas pocas selectas entre ellas. A continuacin se describe la naturaleza iterativa del mtodo y se presentan los detalles de clculo del algoritmo smplex.

NATURALEZA ITERATIVA DEL MTODO SMPLEX

La figura 3.3 muestra el espacio de soluciones de la programacin lineal del ejemplo 3.2 -1 . Normalmente, el mtodo smplex comienza en el origen (punto A), donde x1=x2=0 En este punto de inicio, el valor de la funcin objetivo z es cero, y la pregunta lgica es si ese valor mejora con un aumento en x 1 y/o x 2 no bsicas respecto a sus valores actuales de cero. Contestaremos esta pregunta investigando la funcin objetivo:

Maximizar z = 2x 1 + 3 x 2

 La funcin indica que un aumento en x 1o x 2 (o en ambas) respecto a sus valores actuales de cero aumentar el valor de z (recuerde que estamos maximizando a z). Sin embargo, en el diseo del mtodo smplex se estipula aumentar las variables una por una.

1. Si aumenta x 1 , entonces, como se ve, su valor debe aumentar para llegar al punto esquina B. Una vez en B, el mtodo smplex aumentar el valor de x2 para llegar al punto esquina mejorado C. El punto C es ptimo y se termina el proceso. La trayectoria asociada al algoritmo smplex es A B C. 2. Si aumenta x 2, el siguiente punto esquina ser D, y a par tir de D la solucin se mueve hacia el punto ptimo C. El trayecto asociado con el algoritmo smplex es A D C .

 Ntese que en ambas rutas , A B C y A D C, las iteraciones smplex se mueven por los bordes del espacio de soluciones, y eso quiere decir que el mtodo no puede atravesar ese espacio para ir en forma directa de A a C. El mtodo smplex proporciona una regla definida, principalmente para facilitar el desarrollo de un programa de cmputo. En forma especfica, como se est maximizando, la variable que tenga el coeficiente positivo en la funcin objetivo ms grande es la que se selecciona para aumentar. Si hay un empate, la seleccin se hace en forma arbitraria. Tngase en cuenta que slo se trata de una regla fcil que, de acuerdo con la experiencia en cmputo, generalmente (pero no siempre) conduce a la menor cantidad de iteraciones.

 Esta seccin termina con una descripcin de los cambios en las variables bsicas y no bsicas, a medida que el mtodo smplex se mueve de un punto esquina al siguiente. La figura muestra que s 1 y s 2 son bsicas en el punto A , x1 y x2 son no bsicas. Cuando se aumenta x1 respecto a cero (porque mejora el valor de z) se debe llegar al punto esquina B, con lo que cambia el estado de x 1 de no bsica a bsica. En forma simultnea, la variable que era bsica en el punto A, se transforma en no bsica y asume un valor cero en el punto B. En esencia, el cambio conduce al intercambio de la x 1 no bsica y la s1 bsica en A para producir las nuevas variables bsicas ( x 1 , s 2) y las variables no bsicas ( s 1 , x2 ) en B. Se dice entonces que en A, x 1 entra a la solucin bsica y s 1 sale de ella, o la deja.

 En la terminologa del mtodo smplex, x 1 y S1 en el punto A se llaman las variables de entrada y de salida, respectivamente. Al continuar con el mismo razonamiento en B, x2 y s2 son, respectivamente, las variables de entrada y de salida. El proceso termina en el punto C, porque es ptimo.

DESARROLLANDO EL MTODO SIMPLEX

Una vez que hemos estandarizado nuestro modelo, puede ocurrir que necesitemos aplicar el mtodo Simplex o el mtodo de las Dos Fases. Vase en la figura como debemos actuar para llegar a la solucin de nuestro problema.

CONSTRUCCIN DE LA PRIMERA TABLA

En la primera columna de la tabla aparecer lo que llamaremos base, en la segunda el coeficiente que tiene en la funcin objetivo cada variable que aparece en la base (llamaremos a esta columna Cb), en la tercera el trmino independiente de cada restriccin (P0), y a partir de sta columna aparecern cada una de las variables de la funcin objetivo (Pi). Para tener una visin ms clara de la tabla, incluiremos una fila en la que pondremos cada uno de los nombres de las columnas. Sobre sta tabla que tenemos incluiremos dos nuevas filas: una que ser la que liderar la tabla donde aparecern las constantes de los coeficientes de la funcin objetivo, y otra que ser la ltima fila, donde tomar valor la funcin objetivo. Nuestra tabla final tendr tantas filas como restricciones.

 Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 ser el de sustituir Cim en la funcin objetivo (y cero si no aparece en la base). El resto de columnas se obtiene restando a este valor el del coeficiente que aparece en la primera fila de la tabla. Se observar al realizar el mtodo Simplex, que en esta primera tabla, en la base estarn las variables de holgura.

CONDICIN DE PARADA
Comprobaremos si debemos de dar una nueva iteracin o no, que lo sabremos si en la fila Z aparece algn valor negativo. Si no aparece ninguno, es que hemos llegado a la solucin ptima del problema.

ELECCIN DE LA VARIABLE QUE ENTRA

Si no se ha dado la condicin de parada, debemos seleccionar una variable para que entre en la base en la siguiente tabla. Para ello nos fijamos en los valores estrictamente negativos de la fila Z, y el menor de ellos ser el que nos de la variable entrante.

ELECCIN DE LA VARIABLE QUE SALE

Una vez obtenida la variable entrante, obtendremos la variable que sale, sin ms que seleccionar aquella fila cuyo cociente P0/Pj sea el menor de los estrictamente positivos (teniendo en cuenta que slo se har cuando Pj sea mayor de 0). La interseccin entre la columna entrante y la fila saliente nos determinar el elemento pivote.

ACTUALIZACIN DE LA TABLA
Las filas correspondientes a la funcin objetivo y a los ttulos permanecern inalterados en la nueva tabla. El resto deber calcularse de dos formas diferentes: Si es la fila pivote cada nuevo elemento se calcular: Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote. Para el resto de elementos de filas se calcular:

Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna Pivote en la fila actual * Nuevo Elemento Fila).

MTODO DE LAS DOS FASES

ste mtodo difiere del Simplex en que primero hay que resolver un problema auxiliar que trata de minimizar la suma de las variables artificiales. Una vez resuelto este primer problema y reorganizar la tabla final, pasamos a la segunda fase, que consiste en realizar el mtodo Simplex normal.

FASE 1
En esta primera fase, se realiza todo de igual manera que en el mtodo Simplex normal, excepto la construccin de la primera tabla, la condicin de parada y la preparacin de la tabla que pasa Construccin de la primera tabla Se hace de la misma forma que la tabla inicial del mtodo Simplex, pero con algunas diferencias. La fila de la funcin objetivo cambia para la primera fase, ya que cambia la funcin objetivo, por lo tanto aparecern todos los trminos a cero excepto aquellos que sean variables artificiales, que tendrn valor "-1" debido a que se est minimizando la suma de dichas variables (recuerde que minimizar F es igual que maximizar F(-1)).r a la fase 2.

 La otra diferencia para la primera tabla radica en la forma de calcular la fila Z. Ahora tendremos que hacer el clculo de la siguiente forma: Se sumarn los productos CbPj para todas las filas y al resultado se le restar el valor que aparezca (segn la columna que se ste haciendo) en la fila de la funcin objetivo.

 Siendo Zj = ( CbPj) - Cj y los Cj = 0 para todo j comprendido entre 0 y n-k (variables de decisin, holgura y exceso), y Cj = 1 para todo j comprendido entre n -k y n (variables artificiales).

CONDICIN DE PARADA
La condicin de parada es la misma que en el mtodo Simplex normal. La diferencia estriba en que pueden ocurrir dos casos cuando se produce la parada: la funcin toma un valor 0, que significa que el problema original tiene solucin, o que tome un valor distinto, indicando que nuestro modelo no tiene solucin.

ELIMINAR COLUMNA DE VARIABLES ARTIFICIALES

Si hemos llegado a la conclusin de que el problema original tiene solucin, debemos preparar nuestra tabla para la segunda fase. Deberemos eliminar las columnas de las variables artificiales, modificar la fila de la funcin objetivo por la original, y calcular la fila Z de la misma forma que en la primera tabla de la fase 1 .

GRACIAS