Scribd
Cargar
6 vistas1 página

Resumen Simplex

El Método Simplex se compone de dos fases: la primera consiste en encontrar una solución básica factible (SFB) y la segunda en explorar estas SFB para identificar la solución óptima. Se requiere expresar el problema en forma estándar, armar tablas y verificar condiciones de optimalidad mediante el análisis de valores en las filas correspondientes. Finalmente, se realizan operaciones para ajustar el elemento pivot y asegurar que se alcance la mejor solución para la función objetivo.

Cargado por

st.morales.luciana79
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
6 vistas1 página

Resumen Simplex

El Método Simplex se compone de dos fases: la primera consiste en encontrar una solución básica factible (SFB) y la segunda en explorar estas SFB para identificar la solución óptima. Se requiere expresar el problema en forma estándar, armar tablas y verificar condiciones de optimalidad mediante el análisis de valores en las filas correspondientes. Finalmente, se realizan operaciones para ajustar el elemento pivot y asegurar que se alcance la mejor solución para la función objetivo.

Cargado por

st.morales.luciana79
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

1 Resumen del Método Simplex Investigación Operativa

Fase I: Encontrar una primera SFB


1.- Expresar el problema en forma estándar
2.- Identificar la primera SFB con los vectores i-ésimo unidad -m vectores que puedan
formar la matriz identidad-
Fase II: Explorar las SFB hasta identificar la óptima
1.- Armar la tabla y completar las filas de zj [ z0 = ci*i , zj = ci*ij ] y de (cj – zj)
2.- Verificar si es la solución óptima analizando los valores de la fila cj -zj
Max  (cj – zj) ≤ 0
Min  (cj – zj) ≥ 0
3.- Seleccionar la variable de entrada
En Max la xj que tiene el mayor (cj – zj) ≥ 0 (el más positivo)
En Min la xj que tiene el menor (cj – zj) ≤ 0 (el más negativo)
4.- Seleccionar la variable de salida
Dividir cada elemento de la columna del VLD por el elemento correspondiente
de la columna de la variable de entrada solo para denominadores positivos, el
menor de ellos indica la variable de salida y este valor se llama .
i
 = min para ij  0
ij
5.- Pasar a una solución que le dé un mejor valor a la función objetivo
En la intersección entre la columna de la variable de entrada y la fila de la
variable de salida se encuentra el elemento pivot. El objetivo es hacer que
elemento pivot sea igual a 1 y todos los demás elementos de la columna del
pivot sean 0. Esto se logra mediante operaciones elementales en fila,
similares a las que usan en la eliminación de Gauss-Jordan.
6.- Verificar la condición de optimidad
Max  (cj – zj) ≤ 0
Min  (cj – zj) ≥ 0

También podría gustarte