Вы находитесь на странице: 1из 4

c 


  

Esta estrategia algoritmica se aplica cuando luego de llevar un modelo de programación lineal a
su forma estándar no se dispone de una solución básica factible inicial.


: Consideramos un problema auxiliar que resulta de agregar tantas variables auxiliares a
las restricciones del problema, de modo de obtener una solución básica factible. Luego se debe
resolver utilizando el Método Simplex un nuevo problema que considera como función objetivo la
suma de las variables auxiliares. Si el valor óptimo alcanzado al finalizar la Fase 1 es cero ir a la
Fase 2. En caso contrario, no existe solución factible.


 : Resolver a través del Método Simplex el problema original a partir de la solución básica
factible inicial hallada en la Fase1.


 

  

Considere el siguiente modelo de Programación Lineal:

 Al agregar S1 como variable de exceso en la restricción 1 resulta evidente que no se


dispone de una solución básica factible inicial, por tanto utilizaremos una variable auxiliar "y"
que incluiremos en el lado izquierdo de la restricción y que servirá como variable básica inicial.
Esto define el problema inicial de la Fase 1 junto a su tabla.

Luego la variable X2 entra a la base (costo reducido negativo) y claramente "y" deja la base. Se
actualiza la tabla utilizando el método simplex:
Con esta tabla finaliza la Fase 1. Notar que el valor de la función objetivo al finalizar la Fase 1 es
cero, por tanto podemos continuar la Fase 2.

 Se elimina la columna asociada a la variable artificial "y" y se actualiza el vector de
costos reducidos considerando la función objetivo original. De esta forma se obtiene la tabla
inicial de la Fase 2.

Dado que X2 es variable básica al finalizar la Fase 1 buscamos dejar esta misma variable como
básica al iniciar la Fase 2. Para ello multiplicamos por -3 la fila 1 y luego la sumamos a la fila 2.

En este sencillo ejemplo se llega inmediatamente a la tabla final de la Fase 2, con solución
óptima X1=0 y X2=10. El valor óptimo V(P)=-30.

c 
 
El método simplex dual resulta ser una estrategia algoritmica eficiente cuando luego de llevar un
modelo de programación lineal a su forma estándar, la aplicación del método simplex no es
inmediata o más bien compleja, por ejemplo, puede requerir la utilización del  


 
.

Una aplicación típica del método simplex dual es en la resolución de problemas con una función
objetivo de minimización, con restricciones del tipo mayor o igual y donde las variables de
decisión son mayores o iguales a cero.


 
 
Considere el siguiente modelo de Programación Lineal:
: Se lleva el modelo a su forma estándar. En nuestro ejemplo esto se logra agregando
variables de exceso en cada una de las restricciones (3 primeras: S1, S2, S3, respectivamente).
Luego, se multiplica cada fila de las restricciones por -1 de modo de disponer una solución
básica inicial (infactible) en las variables de exceso S1, S2 y S3. De esta forma se obtiene la
siguiente tabla inicial.

     


 -2 -1 1 0 0



-7,5 -3 -1 0 1 0



-5 -2 -1 0 0 1
 

      

 : Se selecciona el lado derecho "más negativo" lo cual indicará cuál de las actuales
variables básicas deberá abandonar la base. En el ejemplo el lado derecho más negativo se
encuentra en la primera fila, por tanto S1 deja la base. Para determinar cual de las actuales
variables no básicas (A, B, C) entrará a la base se busca el mínimo de {-Yj/aij} donde aij es el
coeficiente de la respectiva variable no básica en la fija i (del lado derecho más negativo,
marcado en verde) y donde Yj es el costo reducido de la respectiva variable no básica. De esta
forma se obtiene: Min {-315/-15, -110/-2, -50/-1} = 21, donde el pivote (marcado en rojo) se
encuentra al hacer el primer cuociente, por tanto A entra a la base.

 Se actualiza la tabla anterior siguiendo un procedimiento similar al utilizado en el


c 
. En el ejemplo se debe dejar a la variable A como básica y S1 como no básica.
La tabla que resulta es la siguiente:

     

-
1 2/15 1/15 0 0 
1/15

0 -2 -1/2 -1/2 1 0 



0 -4/3 -2/3 -1/3 0 1
 

 ! "    # 

: Continuar las iteraciones y siguiendo el mismo procedimiento hasta disponer de una
solución básica factible. Luego de unas iteraciones se obtiene la siguiente tabla final:

     

-
1 0 0 0 1/10 !
1/10

0 1 0 1/4 -1 3/4 

0 0 1 0 2 -3 


     
# 

La solución óptima es $!, $, $  (marcado en verde) con valor óptimo %& $ # 
(marcado en rojo - se obtiene con signo cambiado). También es interesante notar que los costos
reducidos de las variables artificiales S1, S2 y S3 (marcado en amarillo), corresponde a la
solución óptima del modelo presentado en el tutorial de solver, esto dado que dicho modelo
resulta ser el problema dual de nuestro ejemplo.

'(c)c(*+(, Ingrese a la aplicación del c 


la cual
también le permitirá resolver modelos de Programación Lineal utilizando esta metodología.