You are on page 1of 3

UNIVERSIDAD IBEROAMERICANA DE CIENCIA Y TECNOLOGIA

TRABAJO DE INVESTIGACION DE OPERACIONES


ELABORADO POR REYNALDO JOSE ALVARADO RAMOS

DOCENTE LIC. MARVIN RAMOS CUADRA

AULA 303 TURNO DOMINICAL FECHA DE ENTREGA: 26 DE ENERO DEL 2014

EL MTODO DUAL SIMPLEX Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando en una solucin bsica factible pero no ptima, genera soluciones bsicas factibles cada vez mejores hasta encontrar la solucin ptima (s esta existe). Ntese que la base de su lgica es mantener la factibilidad, mientras busca la optimalidad. Pero surge la posibilidad de usar otro esquema igualmente iterativo, que como contraparte del simplex, comienza en una solucin bsica ptima, pero no factible y mantiene la inmejorabilidad mientras busca la factibilidad. Con este procedimiento se llega igualmente a la solucin ptima. El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre de Mtodo Dual-Simplex. A continuacin se presenta su estructura y un ejemplo para ilustrar su aplicacin.

Algoritmo Dual-Simplex para un modelo de maximizacin Introduccin Primero se debe expresar el modelo en formato estndar, agregando las variables de holgura y de exceso que se requieran. Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de restricciones de tipo >), se debe multiplicar por (-1) en ambos lados, para hacer positivo el coeficiente de la variable de exceso, y formar as un vector unitario que nos permita tomar esta variable de exceso como una variable bsica inicial. sin necesidad de agregar una variable artificial en esa restriccin. Al hacer lo anterior se logra que debajo de las variables bsicas aparezca una matriz identidad, que es la que el simplex siempre toma como base inicial. Obtendremos que los trminos del lado derecho de las ecuaciones multiplicadas por (-1) quedan con signo negativo, lo cual hace que la solucin inicial sea infactible. Es importante destacar que este proceso es muy til ya que en muchos modelos evita la inclusin de variables artificiales en el momento de transformar un modelo a formato estndar. El algoritmo para resolver un modelo de maximizacin es el siguiente: Paso 1: Hallar una solucin bsica inicial infactible e inmejorable

Escribir el tablero inicial tomando a las variables de holgura y de exceso como variables bsicas iniciales Paso 2: Prueba de factibilidad a. Si todas las variables bsicas son no negatvas, la actual solucin es la ptima. b. Si hay al menos una variable bsica negativa, seleccionar como variable de salida, ( llammosla (XB)s ), a aquella con el valor mas negativo. Los empates se pueden romper arbitrariamente. Paso 3: Prueba de inmejorabilidad a. S en el rengln de la variable bsica de salida (XB)s todos los coeficientes de reemplazo con las variables no bsicas son no negativos, la solucin del modelo es ptima limitada. Se termina el proceso. Si en el rengln de la variable bsica de salida (XB)s, hay al menos un coeficiente de intercambio negativo , se efectan los cocientes entre el efecto neto de cada variable no bsicas y su correspondientel coeficiente de intercambio negativo. Es decir, siendo (XB)s la variable de salida se calculan todos los cocientes

Se toma como variable de entrada ( llammosla Xe ) a aquella que corresponda al mnimo de los cocientes del anterior conjunto Si la variable de entrada es Xe el elemento pivote ser el elemento (Se)s El empate se puede romper arbitrariamente. b. Aplicar la operacin de pivoteo para generar la nueva tabla, en la cual aparezca Xe como variable bsica en lugar de la variable de salida (XB)s c. Repetir el algoritmo a partir del paso 2.