ALGORITMO SIMPLEX
ALGORITMO SIMPLEX
El Método Simplex publicado por George Dantzig en 1947 consiste en un algoritmo
iterativo que secuencialmente a través de iteraciones se va aproximando al óptimo del
problema de Programación Lineal en caso de existir esta última.
El Método Simplex hace uso de la propiedad de que la solución óptima de un problema de
Programación Lineal se encuentra en un vértice o frontera del dominio de puntos factibles
(esto último en casos muy especiales), por lo cual, la búsqueda secuencial del algoritmo se
basa en la evaluación progresiva de estos vértices hasta encontrar el óptimo. Cabe destacar
que para aplicar el Método Simplex a un modelo lineal.
PASOS PARA REALIZAR EL ALGORITMO
SIMPLEX
PASO I) Igualar la función objetivo a cero
PASO II) Convertir todas las desigualdades en igualdades
PASO III) Para cada nueva igualdad crear una variable ficticia llamada,
generalmente, holgura.
PASO IV) Construir la tabla inicial del Simplex y comezar su solución. ¿Cómo se
construye?
La tabla inicial del Simplex concentra toda la información de las igualdades así como
también el punto de partida para la función objetivo Z.
PASOS PARA REALIZAR EL ALGORITMO
SIMPLEX
Para ello es necesario lo siguiente:
Paso V: Identificar la columna pivote.
Paso VI:Identificar la fila pivote.
Paso VII: Hacer unitario el elemento pivote, que no es otra
cosa más que el número donde se cruzan la columna pivote y
la fila pivote.
¿Cómo identificar la columna pivote?
Esta columna se define al seleccionar el número más
negativo en la función Z. En nuestro caso es el -
1000.
¿Cómo identificar la fila pivote?
Una vez identificada la columna pivote entonces la
solución de cada fila, sin tomar en cuenta la fila de la
función objetivo Z, se divide entre su correspondiente
coeficiente de la columna pivote.
El número positivo más pequeño de estas
divisiones determinará a la fila pivote. Es importante
mencionar que no se toman aquellas divisiones con
un resultado negativo y tampoco aquellas divisiones
entre cero.
APLICACIÓN DEL MÉTODO SIMPLEX.
Un agricultor tiene una parcela de 1280 m² para dedicarla al cultivo de árboles frutales:
naranjos, perales, manzanos y limoneros. Se pregunta de qué manera debería repartir la
superficie de su parcela, entre las variedades antes mencionadas, para conseguir el máximo
beneficio sabiendo que cada naranjo necesita un mínimo de 32 m², cada peral 8 m², cada
manzano 8 m² y cada limonero 24 m².
Dispone de 1800 horas de trabajo al año, de las cuales cada naranjo necesita 30 horas al año,
cada peral 5 horas, cada manzano 10 horas y, finalmente, cada limonero necesita 20 horas.
A causa de la sequía, el agricultor tiene restricciones para el riego, ya que le han asignado 400
m³ de agua anuales. Las necesidades anuales son de 4 m³ por cada naranjo, 2 m³ por cada
peral, 2 m³ por cada manzano y 4 m³ por cada limonero.
Finalmente, los beneficios unitarios para el agricultor son de $1000 por cada naranjo, $500 por
cada peral, $400 por cada manzano y $600 por cada limonero.
SOLUCIÓN.
Lo primero que debe hacerse es determinar las
denominadas “variables de decisión” y representarlas
algebráicamente. En este caso:
X1: Número de naranjos.
X2: Número de perales.
X3: Número de manzanos.
X4: Número de limoneros.
Posteriormente se determinan las restricciones y se
expresan como inecuaciones de las ya conocidas
variables de decisión.
Estas restricciones se deducen de todas las
necesidades que requiere cada árbol: terreno, horas
de trabajo anuales y riego. Para ello, se debe
identificar lo siguiente:
Necesidades de terreno:
32X1 + 8X2 + 8X3 + 24X4 ≤ 1280
Necesidades de horas anuales:
30X1 + 5X2 + 10X3 + 20X4 ≤ 1800
Necesidades de riego:
4X1 + 2X2 + 2X3 + 4X4 ≤ 400
Una vez establecidas las restricciones, entonces se
expresan todas las condiciones implícitamente
establecidas por la naturaleza de las variables: que
no sean negativas, que sean enteras, que sólo
puedan tomar determinados valores.
En nuestro caso las restricciones son: a) El número
de árboles no puede ser negativo y; b) El total de
árboles debe ser un número entero. Es decir:
Xi ≥ 0 y todo Xi es entero con i=1,2,3,…,n.
Finalmente, se plantea la función objetivo:
Maximizar
Z(X1,X2,X3,X4)=1000X1+500X2+400X3+600X4
Por lo tanto, nuestro problema se reduce a resolver el
siguiente planteamiento:
Max Z=1000X1+500X2+400X3+600X4
Sujeto a:
32X1 + 8X2 + 8X3 + 24X4 ≤ 1280
30X1 + 5X2 + 10X3 + 20X4 ≤ 1800
4X1 + 2X2 + 2X3 + 4X4 ≤ 400
con Xi ≥ 0 y todo Xi entero.
La solución de nuestro problema puede seguir una
serie de pasos.
PASO I) Igualar la función objetivo a cero.
Z-1000X1-500X2-400X3-600X4=0
PASO II) Convertir todas las desigualdades en
igualdades.
32X1 + 8X2 + 8X3 + 24X4=1280
30X1 + 5X2 + 10X3 + 20X4=1800
4X1 + 2X2 + 2X3 + 4X4=400
PASO III) Para cada nueva igualdad crear una
variable ficticia llamada, generalmente, holgura.
32X1 + 8X2 + 8X3 + 24X4+S1=1280
30X1 + 5X2 + 10X3 + 20X4+S2=1800
4X1 + 2X2 + 2X3 + 4X4+S3=400
PASO IV) Construir la tabla inicial del Simplex y
comezar su solución. ¿Cómo se construye?
La tabla inicial del Simplex concentra toda la
información de las igualdades así como también el
punto de partida para la función objetivo Z.
Tabla inicial del Simplex.
BASE X1 X2 X3 X4 H1 H2 H3 SOL.
H1
32 8 8 24 1 0 0 1280
H2 30 5 10 20 0 1 0 1800
H3 4 2 2 4 0 0 1 400
Z -1000 -500 -400 -600 0 0 0 0
Toda vez que la tabla inicial del Simplex se ha
creado, podemos observar que en dicha tabla se
aprecian dos matrices. La formada por las variables
de decisión (roja) y la matriz formada por las
holguras (azul). Esta última se conoce como la
matriz identidad. La idea, grosso modo, es “llevar” a
la matriz en rojo a una matriz como la azul.
Para ello es necesario lo siguiente:
1) Identificar la columna pivote.
2) Identificar la fila pivote.
3) Hacer unitario el elemento pivote, que no es
otra cosa más que el número donde se cruzan la
columna pivote y la fila pivote.
¿Cómo identificar la columna pivote?
Esta columna se define al seleccionar el número más
negativo en la función Z. En nuestro caso es el -
1000.
¿Cómo identificar la fila pivote?
Una vez identificada la columna pivote entonces la
solución de cada fila, sin tomar en cuenta la fila de la
función objetivo Z, se divide entre su correspondiente
coeficiente de la columna pivote.
El número positivo más pequeño de estas
divisiones determinará a la fila pivote. Es importante
mencionar que no se toman aquellas divisiones con
un resultado negativo y tampoco aquellas divisiones
entre cero.
Fila pivote
Elemento pivote
BASE X1 X2 X3 X4 H1 H2 H3 SOL. Div.
H1
32 8 8 24 1 0 0 1280 1280/32=40
H2 30 5 10 20 0 1 0 1800 1800/30=60
H3 4 2 2 4 0 0 1 400 400/4=100
Z -1000 -500 -400 -600 0 0 0 0
Columna pivote
Como el número positivo más pequeño de las tres
divisiones es 40 entonces éste define a la fila pivote.
Si existen resultado negativos o bien divisiones
entre 0 entonces no se toman dichas divisiones. Por
su parte, si existen dos divisiones con el mismo
resultado entonces se toma cualquiera de ellos.
A la intersección de la “columna pivote” y la “fila
pivote” se le conoce como “elemento pivote”. En
nuestro caso es 32. Si continuamos con el Método
Simplex entonces este último elemento ahora debe
hacerse unitario.
Es decir, se debe buscar un número que al
multiplicarlo por 32 nos de como resultado 1.
Es claro que el número es 1/32. Ello quiere decir
que debemos multiplicar toda la fila pivote por
1/32. El resultado de ello es la siguiente tabla:
BASE X1 X2 X3 X4 H1 H2 H3 SOL.
H1
1 1/4 1/4 3/4 1/32 0 0 40
H2 30 5 10 20 0 1 0 1800
H3 4 2 2 4 0 0 1 400
Z -1000 -500 -400 -600 0 0 0 0
Al definir el elemento pivote entonces la variable de
decisión X1 toma el lugar de la variable holgura H1 en
la base. Se dice que X1 entra en la solución y H1 sale.
Ya que hemos hecho el elemento pivote unitario
entonces el objetivo es hacer “ceros” tanto arriba
como abajo de dicho elemento pivote, según sea
el caso.
BASE X1 X2 X3 X4 H1 H2 H3 SOL.
X1
1 1/4 1/4 3/4 1/32 0 0 40
H2 30 5 10 20 0 1 0 1800
H3 4 2 2 4 0 0 1 400
Z -1000 -500 -400 -600 0 0 0 0
Es decir, multiplicamos la fila pivote por -30 y se la
sumamos (entrada por entrada) a la fila de H2,
posteriormente multiplicamos la fila pivote por -4 y
se la sumamos a la fila de H3. Finalmente,
multiplicamos la fila pivote por 1000 y se la
sumamos a la fila de Z. Los resultados se pueden
apreciar en la siguiente tabla.
Nueva fila pivote
Nuevo elemento pivote
BASE X1 X2 X3 X4 H1 H2 H3 SOL. Div.
X1
1 1/4 1/4 3/4 1/32 0 0 40 160
H2 0 -5/2 5/2 -5/2 -15/16 1 0 600 -240
H3 0 1 1 1 -1/8 0 1 240 240
Z 0 -250 -150 150 125/4 0 0 40000
Nueva columna pivote
Toda vez que hemos realizado correctamente las
operaciones anteriores entonces el procedimiento
se repite desde el paso en que se identifica a la
columna pivote.
Nuevamente al hacer el elemento pivote unitario
entonces multiplicamos la nueva fila pivote por 5/2 y
se la sumamos a la fila de H2. Posteriormente
multiplicamos la nueva fila pivote por -1 y se la
sumamos a la fila de H3.
Por último, multiplicamos la nueva fila pivote por
250 y se la sumamos a la fila de la función
objetivo Z.
Los resultados que se presentan en la siguiente
tabla implican que el algoritmo se ha terminado.
¿Por qué?
El Método del Simplex concluye cuando en toda
la fila de la función objetivo Z ya no tenemos
ningún número negativo.
Como puede apreciarse en la tabla, ya no tenemos
números negativos en la fila de Z. Es decir hemos
encontrado una solución que optimiza (maximiza)
nuestro problema.
BASE X1 X2 X3 X4 H1 H2 H3 SOL.
X2
4 1 1 3 1/8 0 0 160
H2 10 0 5 5 -5/8 1 0 1000
H3 -4 0 0 -2 -1/4 0 1 80
Z 1000 0 100 900 125/2 0 0 80000
Ya no hay números negativos !!!
La interpretación de los resultados, en la última
tabla, es la siguiente:
Como la variable X2 entró en la solución eso quiere
decir que tomará un valor y éste será de 160. Por
su parte, como las variables X3 y X4 no entraron en
la solución eso quiere decir que serán 0.
Además, también la variable X1 salió de la
solución, lo cual implica que X1=0. Asimismo, como
la variable de holgura H1 salió de la solución
entonces ello implica que dicha variable será 0.
Por último, en la última tabla se aprecia que la
variable de holgura H2=1000 y H3=80.
Sustituyendo los valores encontrados en las
restricciones, se obtiene lo siguiente:
32(0) + 8(160) + 8(0) + 24(0) + H1= 1280
30(0) + 5(160) + 10(0) + 20(0) + H2= 1800
4(0) + 2(160) + 2(0) + 4(0) + H3= 400
Donde:
1280=1280 entonces H1=0
800+H2=1800 entonces H2=1000
320+H =400 entonces H =80
Por lo tanto, estos son los valores para la mejor
estrategia del agricultor quien, a su vez, obtendrá
un beneficio máximo de Z=500(160)=80000.
EJEMPLO
Max z: 3x+2y
SOLUCIÓN
z-3x-2y=0
SOLUCIÓN
SOLUCIÓN
EJEMPLO
FUNCION OBJETIVO:
MAXIZAR UTILIDAD: 0.275X+0.35Y
RESTRICCIONES
Disponibilidad de Grado 1:
Disponibilidad de Grado 2:
Disponibilidad de Grado 3:
SOLUCIÓN
X1=0
X2=400
S1=500
S2=0
Z=140
MINIMIZAR
MINIMIZAR
Si en lugar de maximizar, se trata de un problema de minimizar, existen dos
posibilidades para el tratamiento del problema:
a) Pasarlo a un problema de maximización de la forma:
Min [F(x)] = Max [-F(x)]
El tratamiento se haría como hemos visto hasta ahora.
Como estamos maximizando -F(x), tenemos que tener en cuenta que al resultado
obtenido le tenemos que cambiar el signo para obtener el resultado de F(x).
b) Resolver mediante el método de la gran M
PASOS PARA RESOLVER MINIMIZAR
1. MULTIPLICAR POR NEGATIVO FUNCION OBJETIVO Y RESTRICCIONES
2. FILA PIVOTE, IDENTIFICAR EL VALOR MAS NEGATIVO DE LA CONSTANTE (SOLO
RESTICCIONES)
3. DIVIDIR LA FILA SELECCIONADA ENTRE LA FILA DE Z
4. SELECCIONAR LA COLUMNA PIVOTE CON EL VALOR NEGATIVO MENOR
(NO SE ANALIZA VALORES POSITIVOS, NI VALORES CON 0)
5. IDENTIFICAMOS EL VALOR PIVOTE, SE TIENE QUE CONVERTIR EN 1 EL VALOR
PIVOTE Y LA OPERACION QUE SE REALIZA AFECTA A TODA LA FILA
6. CONVERTIR TODOS LOS DEMAS VALORES DE LA COLUMNA PIVOTE EN 0
7. EL MODELO SE DETIENE CUANDO EN COSTANTE NO HAYA VALORES NEGATIVOS EN
LAS COLUMNAS DE RESTRICCIONES
(EL VALOR DE Z EN LA CONSTANTE VA A QUEDAR NEGATIVO)
Ejemplo
Zmax: -150x-300y
Zmin: 150x+300y
S.A: S.A:
8x+2y≥16 -8x-2y≤-16
x+y ≥5 -x-y ≤-5
2x+7y ≥20 -2x-7y ≤ -20
x,y ≥0 x,y ≥0
EJEMPLO
X Y S1 S2 S3 Constante
R1 -7.42857143 0 1 0 0.28571429 -10.2857143
R2 -0.71428571 0 0 1 -0.14285714 -2.14285714
R3 0.28571429 1 0 0 -0.14285714 2.85714286
OBJ 64.2857143 0 0 0 42.8571429 -857.142857
EJEMPLO
X Y S1 S2 S3 C
R1 1 0 -0.13461538 0 0.03846154 1.38461538
R2 0 0 -0.09615385 1 -0.11538462 -1.15384615
R3 0 1 0.038461538 0 -0.15384615 2.46153846
OBJ 0 0 8.653846154 0 40.3846154 -946.153846
EJEMPLO
X Y S1 S2 S3 Constante
X 1 0 0 -1.4 0.2 3
R2 0 0 1 -10.4 1.2 12
Y 0 1 0 0.4 -0.2 2
OBJ 0 0 0 90 30 -1050
X=3
Y=2
Valor optimo=1050