Metodo Simplex

Programacin Lineal Lic. Mario E.
Ninaquispe Soto
Investigacin de Operaciones

1

METODO SIMPLEX

La programacin lineal se puede resolver a travs del algoritmo simplex; su importancia radica
en que proporciona soluciones etapa por etapa, donde la solucin bsica factible est en
consideracin, y cada etapa nos da una mejor solucin ptima.

El lgebra matricial y el proceso de eliminacin completa de Gauss-Jordan para resolver un
sistema de ecuaciones simultneas lineales son las races del mtodo simplex de la PL.

Para utilizar el mtodo simplex, es necesario cambiar todas las desigualdades en igualdades.
Para hacer esta transformacin a igualdad, donde automticamente aumentamos una matriz
identidad a nuestro modelo, como requisitos para obtener la matriz A/I/B (A es la matriz de
coeficientes tecnolgicos, I es la matriz identidad y B es el vector de disponibilidad o vector
columna de trminos independientes) tenemos que utilizar variables de exceso y variables
artificiales.

Se dice de holgura pues toman la diferencia entre la parte derecha de la ecuacin o los
sobrantes de los recursos disponibles. Se utiliza variables de holgura (exceso) para convertir
las desigualdades en igualdades y se utiliza variables artificiales cuando la variable de la
holgura no proporciona coeficientes positivos en la matriz identidad. Es decir, las variables que
estn en la base; los coeficientes de la fila de la funcin objetivo correspondiente de la matriz
identidad, deben ser positivos, as como la variable artificial tiene una funcin matemtica, se
tiene que asegurar que nunca aparezca en la solucin final. Esta condicin se puede cumplir
dando un coeficiente de costo artificial a la funcin objetivo.

1. Forma cannica de un PPL

Un PPL diremos que est escrito en la forma cannica de la siguiente manera:

Maximizar (Minimizar)
n n
x c x c x c x c Z + + + + = ........
3 3 2 2 1 1

Sujeto a (s.a.):

0 ,
........
... .... ...
... .... ...
... .... ...
........
........
........
, 3 , 2 , 1
2 2 1 1
3 1 2 12 1 11
2 2 2 22 1 21
1 1 2 12 1 11
>
s + + +
s + + +
s + + +
s + + +
n
m n mn m m
n n
n n
n n
x x x x
b x a x a x a
b x a x a x a
b x a x a x a
b x a x a x a

2. Forma Estndar de un PPL

Un PPL diremos que est escrito en la forma estndar, si est escrito de la siguiente manera:

n n
x c x c x c x c Z + + + + = ........
3 3 2 2 1 1

Sujeto a (s.a.):
Programacin Lineal Lic. Mario E. Ninaquispe Soto

2

0 ,
........
... .... ...
... .... ...
... .... ...
........
........
........
, 3 , 2 , 1
2 2 1 1
3 1 2 12 1 11
2 2 2 22 1 21
1 1 2 12 1 11
>
= + + +
= + + +
= + + +
= + + +
n
m n mn m m
n n
n n
n n
x x x x
b x a x a x a
b x a x a x a
b x a x a x a
b x a x a x a

3. Reglas para convertir un PPL a la forma estndar

El primer paso para resolver un PPL mediante el mtodo simplex es escribir el PPL en la forma
estndar; como no siempre el programa original est en esta forma, se hace necesario un
conjunto de reglas; para convertirlo.

Conversin de una desigualdad en igualdad y solucin de un PPL

Veremos dos casos:
a. El problema tiene todas sus restricciones de tipo s:
Convertir toda desigualdad, de la forma:
1 1 2 12 1 11
........ b x a x a x a
n n
s + + +
(1)

Se puede convertir en igualdad, mediante la adicin de una nueva variable no negativa
i
S
; llamada variable Slack u Holgura; de esta manera (1) se convierte en:

1 1 1 2 12 1 11
........ b S x a x a x a
n n
= + + + +
(2)

Ejemplo:
2 5 2
2 1
s + x x Equivale a
2 5 2
3 2 1
= + + S x x

b. El problema tiene restricciones:
>


1 1 2 12 1 11
........ b x a x a x a
n n
> + + +
(3)

Se puede convertir en igualdad, mediante la sustraccin de una nueva variable
i
S
no
negativa llamada variable de Exceso o Surplus y la adicin de una variable
i
R
no
negativa llamada variable Artificial; de esta manera (3) se convierte en:

1 1 1 1 2 12 1 11
........ b R S x a x a x a
n n
= + + + +
(4)

Ejemplos:

2 4 5 2
3 2 1
> + + x x x es equivalente a
2 4 5 2
5 4 3 2 1
= + + + R S x x x

4 7 5 3
3 2 1
> + + x x x es equivalente a
4 7 5 3
5 4 3 2 1
= + + + R S x x x


3

c. El problema tiene restricciones: =.


1 1 2 12 1 11
........ b x a x a x a
n n
= + + +
(3)

Se puede convertir a igualdad, mediante la adicin de una nueva variable
i
R
no negativa
llamada variable Artificial; de esta manera (3) se convierte en:

1 1 1 2 12 1 11
........ b R x a x a x a
n n
= + + + +
(4)

Ejemplos:

2 6 6
3 2 1
= + x x x
es equivalente a
2 6 6
1 3 2 1
= + + R x x x

4. Pasos para el desarrollo del problema mediante el Algoritmo Simplex:

Sea el siguiente PPL:

n n
x c x c x c x c Z + + + + = ........
3 3 2 2 1 1

Sujeto a (s.a.):

0 ,
........
... .... ...
... .... ...
... .... ...
........
........
........
, 3 , 2 , 1
2 2 1 1
3 1 2 12 1 11
2 2 2 22 1 21
1 1 2 12 1 11
>
s + + +
s + + +
s + + +
s + + +
n
m n mn m m
n n
n n
n n
x x x x
b x a x a x a
b x a x a x a
b x a x a x a
b x a x a x a

Paso 1: Convertir el problema de su forma cannica, a su forma estndar.

n n
x c x c x c x c Z + + + + = ........
3 3 2 2 1 1

Sujeto a (s.a.):


4

0 ,
........
... .... ...
... .... ...
... .... ...
........
........
........
, 3 , 2 , 1
2 2 1 1
3 1 2 12 1 11
2 2 2 22 1 21
1 1 2 12 1 11
>
= + + +
= + + +
= + + +
= + + +
n
m n mn m m
n n
n n
n n
x x x x
b x a x a x a
b x a x a x a
b x a x a x a
b x a x a x a

Paso2: Pase el lado derecho de la funcin objetivo, hacia la izquierda ) 0 ( = CX Z , y
cree la matriz del algoritmo simplex:

Matriz del algoritmo Simplex
Variables Originales / Exceso Variables Artificiales / Holgura
Tabla - 1
TABLA SIMPEX

Valor de
Criterio
Variables de Decisin
Variables de
Holgura( exceso)
Solucin
Variables Z x
1
x
2
.............. -x
n
X
1
1
X
2
1
X
m
1
b
F.O. 1 -c
1
-c
2
.............. -c
n
O O.......... O O
1Base
O a
11
a
12
.............. a
1n
1 O......... O b
I

O

a
21
a
22
.............. a
2n
O 1......... O b
2

Z

1
x
2
x
n
x
1 + n
x
2 + n
x
m n
x
+

RH
S
1
1 1
c z

2 2
c z

n n
c z

1 1 + +

n n
c z

2 2 + +

n n
c z

m n m n
c z
+ +

0
Z
1 + n
x 0 11
a
12
a
n
a
1

I

1
b
2 + n
x 0 21
a
22
a
n
a
2

2
b

m n
x
+

0 1 m
a
2 m
a
mn
a
m
b

5

O a
m1
a
m2
.............. a
mn
O ...... 1 b
m

Tabla - 2
Notas.-
1. Los coeficientes que estn en la base, constituyen los elementos de una matriz
identidad en cada etapa del proceso Smplex.
2. No se debe tener signos negativos en la columna solucin, ya que de acuerdo con los
principios de la programacin lineal, no podramos tener una produccin por ejemplo de
- 5 unidades.
Se llega a la solucin ptima cuando los coeficientes de la funcin objetivo en la tabla
Smplex, son positivos o cero.

Paso 3: Seleccionar la variable decisin que ingresar a la base; en el caso de
maximizacin, seleccione como variable de entrada (a la nueva solucin),
aquella cuyo costo reducido ) (
k k
C Z , sea el ms negativo (y en casos de
minimizacin, selecciones el ms positivo). En este caso se habr encontrado la
columna pivote. Ir al Paso 4.

En el caso de maximizacin, la bsqueda de la columna pivote culminar, si no
existe ninguna candidata de entrada, es decir si los costos reducidos
) 0 ( k CX Z > , son no negativos o ceros, entonces la bsqueda ha
terminado y los valores ptimos de! programa ) (
* *
B
X y Z , han sido hallados.
Si el caso es de minimizacin, la bsqueda culmina cuando todos los costos
reducidos ) 0 ( k CX Z s son negativos o ceros.

En caso de empate, entre varios vectores candidatos, para entrar a la base:
eljase uno de ellos arbitrariamente. Ir al Paso 4

Paso 4: Una vez seleccionado la variable
k
x , que entrar a la nueva solucin.
Seleccione la variable de salida
m n
x
+
de la solucin actual que saldr de la
base; utilizando la siguiente regla:

)
`
> > = 0 , / 0
i i
i
i
i
i
b X
b
X
Min
b
X

Ir al paso 5. En caso de existir empate, entre varios vectores candidatos;
eljase uno de ellos arbitrariamente. Ir al paso 5

Si
i b
i
s 0
; se trata de un programa con dominio admisible no acotado y
valor ptimo no acotado (crece indefinidamente). La bsqueda finaliza. La
mejor solucin bsica, ha sido encontrada.

Paso 5 La interseccin en la tabla de la variable que entra y la variable que sale,
determina el elemento pivote en
i
b
. Aplique operaciones matriciales
elementales, en el pivote
i
b
, con el objeto de convertir la columna
k
X
en el

6

vector unitario
k
e
, el cual tiene todas sus componentes ceros; excepto el
elemento pivote, cuyo valor fue convertido en 1. Volver al paso (4).

Tabla de criterios para el Smplex

Tipo de restriccin
Valor de la funcin Objetivo
Maximizacin Minimizacin
l. Menor o igual s sumar una
variable de holgura.
Variable de holgura toma
coeficiente cero en FO
Variable de holgura toma
coeficiente cero en FO
2. Mayor o igual
>
: sumar una
variable de holgura(exceso) negativa
y una variable artificial positiva
Coeficiente cero para la
variables de exceso y -M
para la variable artificial
Coeficiente cero para Var.
Exceso y +M para variable
artificial
3. Igual =, necesita variable Artificial
positiva
Coeficiente -M en la FO
Coeficiente +M en FO
Observacin. M debe ser un nmero positivo, relativamente grande. Los siguientes tableros
Smplex, son equivalentes

VARIANTES DEL MTODO SIMPLEX.-

1.- Degeneracin: Ocurre cuando 2 variables pueden salir por tene la misma rezn mnima
Ejem:
Max
2 1
9 3 x x Z + =

s.a.
0 ,
4 2
8 4
2 1
2 1
2 1
>
s +
s +
x x
x x
x x

Z X1 X2 S1 S2 Sol
Z 1 -3 -9 0 0 0
S1 0 1 4 1 0 8 8/4=2
S2 0 1 2 0 1 4 8/4=2

2.- Solucin no Acotada:
Max
2 1
2 1 x x Z + =

s.a.
0 ,
40 2
10
2 1
2 1
2 1
>
s
s
x x
x x
x x


7

Z X1 X2 S1 S2 Sol
Z 1 -1 -2 0 0 0
S1 0 1 -1 1 0 10
S2 0 2 -1 0 1 40
Cuando todos los coeficientes son negativos y ceros, en cualquier iteracin entre los
candidatos que puedan ingresar a la base, nos indica que el problema tiene solucin NO
ACOTADA

3.- Soluciones Factibles no Existentes:

Max
2 1
2 3 x x Z + =

s.a.
0 ,
12 4 3
2 2
2 1
2 1
2 1
>
> +
s +
x x
x x
x x

Al resolver el problema anterior, la iteracin final se muestra como sigue:

Z X1 X2 S2 S1 R1 Sol
Z 1 1+5M 0 M 2+4M 0 4-4M
S1 0 2 1 0 1 0 2
R1 0 -5 0 -1 -4 1 4
Como R1 (variable artificial), tiene solucin final diferente a cero (R1 = 4); se dice
que el problema no tiene solucin.


8

MTODO DE LAS DOS FASES:
Este mtodo se utiliza para solucionar problemas que contengan variables artificiales, a las
cuales permite eliminarlas.

El mtodo de utlizacin se basa en dos fases, en la primera se realizan iteraciones que
permitan eliminar las variables artificiales, mientras que la segunda permite continuar con la
solucin generada durante la primera fase y hallar la solucin del problema.

Fase I:

Paso 1.- Formular un nuevo problema reemplazando la funcin objetivo original por la suma de
las variables artificiales y manteniendo las mismas restricciones del problema original.

Paso 2.- La nueva funcin objetivo se minimizar y estar sujeto a las restricciones iniciales.

Paso 3.- Solucionar el nuevo problema mediante el procedimiento del mtodo simplex
conocido.

Paso 4.- Si el problema tiene espacios factibles,, entonces el valor final encontrado ser cero,
de otro modo si el valor mnimo es mayor a cero, el problema se termina, lo cual indica
que el vaco es el conjunto solucin de todo el problema inicial.

Fase II:

Paso 5.- Si la solucin de la Fase I indica que el problema tiene espacio factible, se usa la
ltima solucin bsica factible obtenida en la Fase I, como una solucin inicial para el
problema original, en este caso la funcin objetivo original debe ser expresado en
trminos de las variables no bsicas usando el procedimiento usual de operaciones
finas.

Ejemplos:

0 ,
3 2
6 3 4
3 3
. .
2
2 1
2 1
2 1
2 1
2 1
>
s +
> +
= +
+ =
x x
x x
x x
x x
a s
x x Z Max

Sol:

Conversin a la forma estndar:

0 ,
3 2
6 3 4
3 3
. .
2
2 1
2 2 1
2 1 2 1
1 2 1
2 1 2 1
>
= + +
= + +
= + +
+ =
x x
S x x
R S x x
R x x
a s
MR MR x x Z Max

9
Fase I

0 ,
3 2
6 3 4
3 3
. .
2 1
2 2 1
2 1 2 1
1 2 1
2 1
>
= + +
= + +
= + +
+ =
x x
S x x
R S x x
R x x
a s
R R r Min
o

x1 x2 S1 R1 R2 S2 Sol.
ro 1 0 0 0 -1 -1 0 0 Convertir los a ceros los valores de R1 y R2
R1 0 3 1 0 1 0 0 3
R2 0 4 3 -1 0 1 0 6
S3 0 1 2 0 0 0 1 3
ro 1 7 4 -1 0 0 0 9
R1 0 3 1 0 1 0 0 3 3/3 =1
R2 0 4 3 -1 0 1 0 6 6/4 =1.5
S3 0 1 2 0 0 0 1 3 3/1 = 3
ro 1 0 1.67 -1 -2.33 0 0 2
x1 0 1 0.33 0 0.33 0 0 1 3.03
R2 0 0 1.67 -1 -1.33 1 0 2 1.20
S3 0 0 1.67 0 -0.33 0 1 2 1.20
ro 1 0 0 0 -1 -1 0 0
x1 0 1 0 0.2 0.6 -0.2 0 0.6
x2 0 0 1 -0.6 -0.8 0.6 0 1.2
S3 0 0 0 1 1 -1 1 0

Como ro = 0, entonces el problema tienes soluciones acotadas, entonces continuamos con la Fase II

Fase II: Armaremos el tablero simplex tomando en cuando la solucin final de la Fase I, sin tomar en
cuenta las columnas de las variables artificiales.
Convertir en cero las variables que se encuentren dentro de la base, y encontrar la variable que entra y la
variable que sale.

x1 x2 S1 S2 Sol.
Z 1 -2 -1 0 0 0
x1 0 1 0 0.2 0 0.6 0.60
x2 0 0 1 -0.6 0 1.2 #DIV/0!
S3 0 0 0 1 1 0 #DIV/0!
Z 1 0 0 -0.2 0 2.4
x1 0 1 0 0.2 0 0.6 3.00
x2 0 0 1 -0.6 0 1.2 -2.00
S3 0 0 0 1 1 0 0.00
Z 1 0 0 0 0.2 2.4
x1 0 1 0 0 -0.2 0.6 #DIV/0!
10
x2 0 0 1 0 0.6 1.2 #DIV/0!
S3 0 0 0 1 1 0 0.00

PROBLEMA DUAL

Para Todo problema de programacin lineal, existe otro problema denominado dual. Las relaciones
entre el problema dual y el original (denominado primal) son extremadamente tiles en gran variedad de
soluciones; por ejemplo se ver que la solucin ptima del problema dual es la que proporciona los precios
sombra ya descritos anteriormente.
Supongamos el problema primal de la forma que se muestra en la izquierda, su problema dual se
representar en la forma que se muestra a su derecha:

Problema Primal Problema Dual
n j para x
m i para
i
b x a A S
x c Z Maximizar
j
n
j
j ij
n
j
j j
,..., 2 , 1 , 0
,..., 2 , 1 . .
1
1
= >
= s
=
=
=

m i para y
n j para
j
c y a A S
y b y Minimizar
i
n
j
j ij
m
i
i i
,..., 2 , 1 , 0
,..., 2 , 1 . .
1
1
0
= >
= >
=

=
=

Ejemplos:
0 ,
30
20 2 5
45 3 2
60 9
. .
6 5
2 1
2
2 1
2 1
2 1
2 1 0
>
s
s
s +
s +
+ =
x x
x
x x
x x
x x
a s
x x x Max

0 , , ,
6 1 2 3 9
5 5 2
. .
30 20 45 60
4 3 2 1
4 3 2 1
3 2 1
4 3 2 1 0
>
> + +
> + +
+ + + =
y y y y
y y y y
y y y
a s
y y y y y Min

Problema Dual cuando el Primal est en forma estndar

Problema Primal estndar Problema Primal cannica
2 2 22 1 21
1 2 12 1 11
2 2 1 1
. .
b x a x a
b x a x a
a s
x c x c Z Max
s +
= +
+ =

2 2 2 22 1 21
1 1 2 12 1 11
1 1 2 12 1 11
2 2 1 1
. .
y b x a x a
y b x a x a
y b x a x a
a s
x c x c Z Max
s +
s
s +
+ =
+

11
Entonces el problema dual ser:
signo en a irrestrict es y y y y
y y y
c y a y a y a
c y a y a y a
a s
y b y b y b y Min
1 1 1 1
2 1 1
2 2 22 1 12 1 12
1 2 21 1 11 1 11
2 2 1 1 1 1 0
;
0 , ,
. .
+
+
+
+
+
=
>
> +
> + +
+ =

signo en a irrestrict es y y y y
y y y
c y a y y a
c y a y y a
a s
y b y b y b y Min
1 1 1 1
2 1 1
2 2 22 1 1 12
1 2 21 1 1 11
2 2 1 1 1 1 0
;
0 , ,
) (
) (
. .
+
+
+
+
+
=
>
> +
> + +
+ =

Por tanto, el problema dual queda de la siguiente manera:

signo en a irrestrict es y
y
c y a y a
c y a y a
a s
y b y b y b y Min
1
2
2 2 22 1 12
1 2 21 1 11
2 2 1 1 1 1 0
0
. .
>
> +
> +
+ =
+

Reglas para la construccin de un problema dual:
1. EL nmero de variables del problema dual, es igual al nmero de restricciones del problema
original y viceversa.
2. Los coeficientes de la FO en dual ser el vector de disponibilidad de recursos del problema
original.
3. Si el problema original es Mx, entonces el dual ser Min; si el problema original es Min,
entonces el dual ser Mx.
4. Los coeficientes de la primera funcin de restriccin del problema dual, sern los coeficientes de
la variable en las restricciones del problema original, y en forma anloga para las otras
restricciones.
5. Los segundos miembros de las restricciones duales, son los coeficientes del a funcin objetivo
del problema primal.
6. El sentido de la i-sima restriccin dual, es igual, si y slo si la -sima variable del problema
original no tiene restriccin de signo.
7. Si el problema original es un problema de Mx (Min), entonces luego de aplicar la regla 6,
asigne a las restricciones duales, el sentido opuesto a la variable correspondientes del problema
original.
8. La i-sima variable del problema original, no tendr restriccin de signo, si y slo si, la i-sima
restriccin del problema original es una igualdad.
9. Si el problema original es Mx (Min), entonces luego de aplicar la regla 8 asigne a las dems
variables el signo contrario (el mismo signo) que la restriccin correspondiente en el problema
original.
12

Problema Primal o Dual
Maximizar Z ) (
0
y
Problema Dual o Primal
Minimizar
0
y Z
Restriccin i
Forma s
Forma =
Forma >
Variable
i
y ) (
i
x
0 >
i
y
Irrestricta en signo
0 s
i
y
Variable
j
x ) (
j
y
0 >
j
x
Irrestricta en signo
0 s
j
x
Restriccin i
Forma >
Forma =
Forma s

Ejemplo:
signo en a irrestrict x x x
x x x
x x x
x x x
x x x
a s
x x x Z Max
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
; 0 ,
10 2 4 3
40 6 5
6 3 2
12 3 12 4
. .
2 4 3
>
= +
> +
s + +
s +
+ =

Solucin:

1. N variables del dual = N
restricciones del primal
2.
4 3 2 1
10 40 6 12 y y y y + +
3. Mx Dual = Min
4 3 2 1 0
10 40 6 12 y y y y y Min + + =
4., 5.,6.y 7. Restricciones:
2 2 6 3
4 4 3 12
3 3 5 2 4
4 3 2 1
4 3 2 1
4 3 2 1
= + +
> + +
> + +
y y y y
y y y y
y y y y

8.
4
y irrestricta en signo.
9.

signo en a irrestrict y y y y
4 3 2 1
, 0 , 0 , 0 s > >

La solucin ptima Dual en la tabla simplex

Relacin entre los valores ptimos del primal y dual:
13

Propiedades:

1. Supongamos que los problemas Primal y Dual estn en la forma cannica o en la forma estndar. Los
valores objetivos de estos problemas son
0
x e
0
y para el primal y dual respectivamente; entonces:

a. Para soluciones factibles cualesquiera, no necesariamente bsicas,
0 0
y x s
b. Si la solucin ptima de ambos problemas es alcanzada los valores objetivos del primal y el dual
sern iguales:
0 0
y Min x Max =
2. Consideremos el problema primal (maximizacin) en forma cannica, cuyas restricciones son:
i j
n
j
ij
b x a s
=1
; multiplicamos ambos miembros por
i
y sumando sobre i :
0
1 1 1
) ( y y b x a y
i
m
i
i j
n
j
ij
n
i
i
= s

= = =
(1)
3. Consideremos el problema dual asociado (minimizacin) cuyas restricciones son:
j i
m
i
i
c y a >
=1
;
multiplicamos por
j
x y sumamos sobre j :
0
1 1
) ( x x c y a x
j j i
m
i
i
n
j
j
= >

= =
(2)

Por tanto de (1) y (2) tenemos:
0 0
y x s

Reglas generales para determinar la solucin ptima de un problema:

1. Si la variable dual corresponde a la variable de holgura inicial en el primal, su valor ptimo est dado
directamente por el coeficiente de esta variable de holgura en la ecuacin ) (Z x
o
ptimo.
2. Si la variable dual corresponde a una variable artificial inicial en el problema primal, su valor ptimo
est dado por el coeficiente de esta variable artificial en la ecuacin
o
y ptimo despus de eliminar la
constante M . Eliminar M equivale a aadir el coeficiente de costo original de la variable artificial al
coeficiente correspondiente de la funcin objetivo, este coeficiente de costo est dado por M para
maximizacin y por M para minimizacin; de lo cual se concluye lo siguiente:

a. Si cualquier variable es usada como variable inicial, y si su coeficiente en la funcin
objetivo original es
j
c entonces el valor ptimo de la variable dual correspondiente es
obtenida aadiendo
j
c correspondiente en la ecuacin
0
x .
b. Se observa que los coeficientes de holgura para los valores ptimos del Dual directamente,
desde que los coeficientes de la FO son ceros.
14
Problema de Transporte

Frecuentemente se presentan al plantear la distribucin de bienes y servicios de varias localizaciones de
suministro, hacia varias ubicaciones de la demanda. Tpicamente la cantidad de los bienes disponibles en
cada localizacin de suministro (origen) es limitada, y la cantidad de los bienes necesarios de cada una de
las localizaciones de demanda (destino) es conocida. Por lo general en un problema de transporte, el
objetivo es minimizar el costo de embarcar los bienes desde los orgenes, hasta los destinos.

Ejemplo:
Sea la empresa REPSOL; este problema involucra el trasporte de un producto (gas) desde 3 plantas hasta
4 centros de distribucin. REPSOL tiene plantas en la pampilla, el callao y conchan, la capacidad de
produccin para el siguiente perodo de planificacin es como sigue:

Origen Planta
Capacidad de produccin
de 3 meses / unidad
1 Pampilla 5,000
2 Callao 6,000
3 Conchn 2,500
Total 13,500

La empresa distribuye su producto a travs de 4 centros regionales de produccin, localizados en Lima,
Chiclayo, Huancayo y Arequipa, el pronstico de la demanda de 3 meses de los centros de distribucin es
como sigue:
Origen Planta
Capacidad de produccin
de 3 meses / unidad
1 Lima 6,000
2 Chiclayo 4,000
3 Huancayo 2,000
4 Arequipa 1,500
Total 13,500

La gerencia deseara determinar cunto de su produccin deber embarcarse desde cada una de las
plantas hasta cada uno de los centros de distribucin:

Plantas (nodos) Centros de distribucin
de origen (nodos de destino)

1. La
Pampill
3.
Conch

2.
Callao

1. Lima

2.
Chiclayo

3.
Huancayo

4.
Arequipa
1,500
6,000
5,000
6,000
4,000
2,500
2,000
15
Los bienes embarcados desde los orgenes, hacia los destinos, representan el flujo en la red, los crculos
son los nodos y las lneas que los conectan son los arcos, la direccin del flujo (de origen a destino) queda
representada por las flechas.

Para el problema de transporte de REPSOL, el objetivo es determinar las rutas a usar y la cantidad a
embarcar en cada uno de ellas, y que d cmo resultado el costo mnimo de transporte total.

Origen
Tabla de costos
Lima Chiclayo Huancayo Arequipa
La Pampilla 3 2 7 6
Callao 7 5 2 3
Conchn 2 5 4 5

Para resolver este problema, se puede utilizar un modelo de programacin lineal; utilizaremos variables de
decisin con dobles subndices, indicando por ejemplo:

11
x : Nmero de unidades que se embarca de la planta 1 hasta el destino 1
12
x : Nmero de unidades que se embarca del origen 1 al destino 2 (la Pampilla Chiclayo); as
respectivamente

En general:
Para un problema de transporte con m orgenes y n destinos, las variables de decisin se pueden
escribir como:
" "
ij
x : Nmero de unidades embarcadas desde el origen i hasta el destino j
Donde:
i = 1, 2,3,, n
j = 1, 2,3,, m

Como el objetivo del problema de transporte es minimizar el costo total de transportar; para el ejemplo
tenemos:

Costo de transporte por unidad transportada desde la Pampilla:
14 13 12 11
6 7 2 3 x x x x + + +
Costo de transporte por unidad transportada desde el Callao:
24 23 22 21
3 2 5 7 x x x x + + +
Costo de transporte por unidad transportada desde Conchn:
34 33 32 31
5 4 5 2 x x x x + + +

La suma de estos costos nos da la funcin objetivo, que demuestra el costo total de transporte para
REPSOL:

34 33 32 31 24 23 22 21 14 13 12 11
5 4 5 2 3 2 5 7 6 7 2 3 x x x x x x x x x x x x Z Min + + + + + + + + + + + =
s.a.

Restricciones de suministro:
000 , 5
14 13 12 11
s + + + x x x x
000 , 6
24 23 22 21
s + + + x x x x
500 , 2
34 33 32 31
s + + + x x x x

16
Restricciones de demanda:
000 , 6
31 21 11
= + + x x x
000 , 4
32 22 12
= + + x x x
000 , 2
33 23 13
= + + x x x
500 , 1
34 24 14
= + + x x x
1,2,3,4 j 1,2,3; i ; 0 = = >
ij
x
Resultados hallados mediante software especializado: 500 , 39 = Z

000 , 2
500 , 2
0
0
0
500 , 1
500 , 3
23
22
21
14
13
12
11
=
=
=
=
=
=
=
x
x
x
x
x
x
x

0
0
0
500 , 2
500 , 1
34
33
32
31
24
=
=
=
=
=
x
x
x
x
x

Ruta Unidades
embarcadas
Costo
Unitario $
Costos
Totales $ desde hasta
Pampilla Lima 3,500 3 10,500
Pampilla Chiclayo 1,500 2 3,000
Callao Chiclayo 2,500 5 12,500
Callao Huancayo 2,000 2 4,000
Callao Arequipa 1,500 3 4,500
Conchn Lima 2,500 2 5,000
Totales 13,500 17 39,500

Variantes al problema de transportes

Las variantes al problema de transportes pueden implicar una o ms de las siguientes situaciones:

1. Oferta o suministro total no igual a la demanda total

Se presenta muy seguido; si el suministro total es mayor a la demanda total, no es necesaria
ninguna modificacin a la formulacin del problema lineal, aparecer en el solucin del P.L. un
suministro excedente como una holgura.

La holgura correspondiente a cualquier origen en particular se puede interpretar como suministro u
oferta sin utilizar, es decir una cantidad que no se ha embarcado desde el origen.

Si el suministro total es inferior a la demanda total, el modelo de P.L. de un problema de transporte,
no tendr una solucin factible. En este caso, modificaremos la representacin en red, agregando
un origen ficticio, con un suministro igual a la diferencia entre la demanda total y el suministro total.
Al agregar el origen ficticio a cada destino, el modelo de P.L. tendr una solucin factible.

A cada uno de los arcos que salga del origen ficticio, se le asigna un costo unitario igual a 0, de
manera que el valor de la solucin ptima del problema modificado, represente el costo de
17
embarques correspondiente a unidades realmente embarcadas (ningn embarque realmente se
har desde el origen ficticio).

Al poner en prctica la solucin ptima, aquellos destinos que muestren embarques recibidos del
origen ficticio, sern los que experimenten carencia o demanda insatisfecha.

2. Maximizar la F.O.

En algunos problemas de transporte, el objetivo que maximice la utilidad o los ingresos. Empleando
valores de la utilidad o de ingresos unitarios como coeficientes de la F.O., simplemente
resolveremos un problema lineal de Maximizacin en vez de Minimizacin. Este cambio no afecta a
las restricciones.

3. Rutas con capacidad limitada

La formulacin de P.L. de problemas de transporte, tambin puede tomar en consideracin
capacidades o cantidades mnimas para una o ms de las rutas; por ejemplo, supongamos que en
el ejemplo de REPSOL, la ruta Conchn Lima (del origen 3 al destino 1), tena un capacidad de
1,000 unidades debido a disponibilidad limitada de espacio en su modo de transporte normal.

4. Rutas no aceptables

Quizs no pueda ser posible establecer una ruta desde cualquiera de los orgenes hasta cualquiera
de los destinos a fin de manejar esta situacin; simplemente hacemos desaparecer el arco
correspondiente de la red y eliminamos la variable correspondiente de la formulacin del PPL.

Supongamos que hay m mquinas y n destinos

n 1,2,3,..., j destino el en variables, en demandada o requerida Cantidad
m , ... 1,2,3, i origen el en unidades en almacenada Cantidad
= =
= =
j
i
b
a

Sea =
ij
c Costo de transporte por unidad del producto
ij
x
Variables de decisin:

:
ij
x N variables embarcadas desde el origen i hasta el destino j; con i = 1,2,3,,m y j = 1,2,3,,n

El problema de transportes tiene el siguiente planteamiento:
0
,..., 2 , 1 ;
,..., 2 , 1 ;
. .
>
= =
= =
=
ij
m
i
j ij
n
j
i ij
m
i
n
j
ij ij
x
m j b x
m i a x
a s
x c Z Min
demanda
suministro

Ejemplo:

i = 2 orgenes; j = 3 destinos

18
3 , 2 , 1 ; 2 , 1
0
. .
3 23 13
2 22 12
1 21 11
2 23 22 21
1 13 12 11
23 23 22 22 21 21 13 13 12 12 11 11
= =
>
= +
= +
= +
= + +
= + +
+ + + + + =
j i
x
b x x
b x x
b x x
a x x x
a x x x
a s
x c x c x c x c x c x c Z Min
ij

Origen 1 (variables) Origen 2 (variables)
Solucin
Z x
11
x
12
. x
13
x
21
x
22
x
23

1 -c
11
-c
12
-c
13
-c
21
-c
22
-c
23
O
1 1 1 a
I

1 1 1 a
2

1 1 b
I

1 1 b
2

1 1 b
3

Tabla de transporte:

1 2 3
1 x
11

c
11

x
12
.
c
12

x
13

c
13

2 x
21

c
21

x
22

c
22

x
23

c
23

Modelo de transporte Balanceado

= =
=
n
j
j
m
i
i
b a
1 1

Un modelo de transporte balanceado indica que las unidades almacenadas en todos los orgenes deben
ser igual en nmero a las demandas de todos los destinos.

O
r
g
e
n
e
s
j: D e s t i n o s
i
19
Esta condicin es impuesta pues es fundamental en el desarrollo de la tcnica de transporte. Cualquier
problema puede ser balanceado convirtindolo artificialmente a un problema con igual nmero de unidades
almacenadas que demandadas.

Si la demandas excede a lo almacenado, se agrega un origen ficticio, el cual almacena la cantidad
excedente si hay almacenamiento sobrante, un destino ficticio es usado para absorber las cantidades
excedentes. Los costos de transporte del origen ficticio a todos los destinos son 0, esto es equivalente a
no embarcar desde el origen ficticio. Similarmente los costos de transporte de todos los orgenes a un
destino ficticio son ceros.

La tcnica de transporte:

Los pasos bsicos de la tcnica de trasporte son:

Paso 1: Determinar una solucin factible inicial
Paso 2: Determinar la variable entrante elegida entre las variables no bsicas. Si todas las variables
satisfacen la condicin de optimalidad, entonces el problema termin, en caso contrario pasar al
paso 3.
Paso 3: Determinar una variable saliente usando la condicin de factibilidad seleccionada entre la variable
de solucin bsica corriente, entonces encontrar la nueva solucin.

Solucin bsica inicial

La definicin del modelo de transporte, requiere que el total de las unidades almacenadas, debe ser igual
al total de las cantidades demandadas; este requerimiento resulta en una ecuacin dependiente, lo cual
significa que el modelo de transporte tiene m+n-1 ecuaciones independientes, por lo tanto, una solucin
bsica inicial factible debe incluir m+n-1 variables bsicas.
Usando la tabla de transporte se puede obtener una solucin bsica inicial, por cualquiera de los siguientes
mtodos:

1.- Mtodo de la esquina nor-oeste:

Se empieza en la casilla (1,1) calculando ) , ( min
1 1 11
b a x =
- Si
1 1
b a < ; calculamos un nuevo
1
b , que es igual a :
1 1
'
1
a b b = ; y se pasa a la casilla (2,1)

- Si
1 1
b a > ; calculamos un nuevo
1
a , que es igual a :
1 1
'
1
b a a = ; y se pasa a la casilla (1,2)

Debemos hallar el nmero de ecuaciones independientes, y por ende, el nmero de variables
bsicas que debe tener nuestro problema: m+n-1

Obs: Si x(i,j):
i<j entonces x(i+1,j)
i>j entonces x(i,j+1)

20
j
i
Ejemplo:

2.- Mtodo de aproximacin Vogel (MAV)

Para cada columna, es necesario buscar los dos costos
ij
c ms bajos y calcular su diferencia, de
igual manera para cada fila; se tendrn entonces m+n diferencias. Se debe buscar la columna o
fila cuya diferencia sea mayor, e introducir a la base
ij
x correspondiente a la casilla de costos ms
bajos (i, j).
Eliminar la fila o columna, repetir el proceso para la tabla resultante, y se procede de esta forma
hasta obtener la solucin bsica factible.

Ejemplo:

1 2 3 4

1

10

0

20

11
15

2
12

7

9

20
25

3
0

14

16

18
5

5 15 15 10
1 2 3 4 5
i
a

1

7

10

9

8

6
30

2
5

3

6

7

7
20

3
1

4

5

9

12
40

j
b 15 25 5 20 25

21
3.- Mtodo de Salto de Piedras (Stepping Stone)

Paso 1.- Se determina una solucin inicial, utilizando cualquier mtodo anterior.
Paso 2.- Se determinan las variables entrante y saliente para la tabla utilizando las condiciones de
optimalidad y factibilidad.
Paso 3.- Se termina el proceso cuando todos los costos son mayores o iguales a cero
0 >
ij
c

Ejemplos:

Iteracin 1

Paso1:

Paso 2: Condiciones de optimalidad = La variable que ENTRA es de la menor costo : ij
c
menor
de todos

Variables
no bsicas
LOOP
ij
c

13
x

+ + +

13 12 22 23 13
x x x x x

18 0 7 9 20
13
= + = c

14
x

+ + +

14 12 22 24 14
x x x x x

2 0 7 20 11
14
= + = c

21
x

+ + +

21 22 12 11 21
x x x x x

5 7 0 10 12
21
= + = c

31
x

+ + + +

31 34 24 22 12 11 31
x x x x x x x

15 18 20 7 0 10 0
31
= + + = c

32
x

+ + +

32 34 24 22 32
x x x x x

9 18 20 7 14
32
= + = c

33
x

+ + +

33 34 24 23 33
x x x x x

9 18 20 9 16
13
= + = c

Paso 3: Condiciones de factibilidad = La variable que SALE de la base se elije entra las V.B.
ubicadas entre las casillas negativas del loop al que pertenece la variable entrante, como
aquella que tiene el menor valor.

5 5 5
31 34 24 22 12 11 31
= = =

+ + + +
x x x x x x x

1 2 3 4

1
5
10

10
0

20

11
15

2
12
5
7
15
9
5
20
25

3
0

14

16
5
18
5

5 15 15 10
Entra
22
En caso de empate, se elige arbitrariamente cualquier variable. En esta caso,
34
x
sale.

Paso 4: Se reconstruye la nueva tabla, sumando o restando segn el signo de cada una de las
variables del loop entrante, el valor de la variable saliente.

Se contina hasta encontrar todos los ij
c
mayor o iguales a ceros.

Iteracin 2:

Paso1:

Paso2:

Variables
no bsicas
LOOP
ij
c

13
x

+ + +

13 12 22 23 13
x x x x x

18 0 7 9 20
13
= + = c

14
x

+ + +

14 12 22 24 14
x x x x x

2 0 7 20 11
14
= + = c

21
x

+ + +

21 22 12 11 21
x x x x x

5 7 0 10 12
21
= + = c

32
x

+ + +

32 12 11 31 32
x x x x x

24 0 10 0 14
32
= + = c

33
x

+ + + + +

33 31 11 12 22 23 33
x x x x x x x

24 0 10 0 7 9 16
33
= + + = c

34
x

+ + + +

34 24 22 12 11 31 34
x x x x x x x

15 20 7 0 10 0 18
34
= + + = c

1 2 3 4

1
0
34 11
x x
10
15
34 12
x x +
0

20

11

2
12
0
34 22
x x
7
15
9
10
34 24
x x +
20

3
5
34 31
x x +
0

14

16
0
34 34
x x
18

1 2 3 4

1
0
10
15
0

20

11

2
12
0
7
15
9
10
20

3 5
0

14

16

18

Entra
23

Paso 3:

0 0
21 22 12 11 21
= =

+ + +
x x x x x

Sale
0
11
= x

Paso 4:

Iteracin 3:

Paso1:

Paso2:

Variables
no bsicas
LOOP
ij
c

11
x

+ + +

11 21 22 12 11
x x x x x

5 12 7 0 10
11
= + = c

13
x

+ + +

13 12 22 23 13
x x x x x

18 0 7 9 20
13
= + = c

14
x

+ + +

14 12 22 24 14
x x x x x

2 0 7 20 11
14
= + = c

1 2 3 4

1
0
11 11
x x
10
15
11 12
x x +
0

20

11

2
0
11 21
x x +
12
0
11 22
x x
7
15
9
10

20

3
5

0

14

16
0

18

1 2 3 4

1

10
15
0

20

11

2 0
12
0
7
15
9
10
20

3 5
0

14

16

18

Entra
24
32
x

+ + +

32 22 21 31 32
x x x x x

19 7 12 0 14
32
= + = c

33
x

+ + +

33 23 21 31 33
x x x x x

19 9 12 0 16
33
= + = c

34
x

+ + +

34 24 21 31 34
x x x x x

10 20 12 0 18
34
= + = c

Paso 3:

15 10
14 12 22 24 14
= =

+ + +
x x x x x

Sale
10
24
= x

Paso 4:

Si realizamos la siguiente iteracin, se mostrar que todos los ij
c
son mayores o iguales a cero, por tanto
el resultado final ya fue encontrado, donde:

315 5 * 0 15 * 9 10 * 7 12 * 0 10 * 11 5 * 0
5
15
10
0
10
5
31
23
22
21
14
12
= + + + + + =
=
=
=
=
=
=
Z
x
x
x
x
x
x

1 2 3 4

1

10
5
0

20
10
11

2 0
12
10
7
15
9

20

3 5
0

14

16

18

25
Problemas de Asignacin

Existen ciertas clases de problemas de transporte balanceados, llamados problemas de asignacin, en el
que todas las ofertas y las demandas son iguales a 1. As, un problema de asignacin se caracteriza por el
conocimiento del costo de asignacin de cada punto de oferta a cada punto de demanda. La matriz de
costos del problema de asignacin se llama matriz de costos.

Sean las variables:

1 2 3
1 x
11

c
11

x
12
.
c
12

x
13

c
13

2 x
21

c
21

x
22

c
22

x
23

c
23

3 x
31
c
31
x
32
c
32
x
33
c
33

F.O.
3 , 2 , 1 ; 2 , 1
1 0
1
1
1
1
1
. .
23 13
22 12
21 11
23 22 21
13 12 11
23 23 22 22 21 21 13 13 12 12 11 11
= =
= =
= +
= +
= +
= + +
= + +
+ + + + + =
j i
x o x
x x
x x
x x
x x x
x x x
a s
x c x c x c x c x c x c Z Min
ij ij

ij
x
= 1; si se asigna la oferta i para satisfacer la demanda del trabajo j
ij
x
= 0; si no se asigna la oferta i para satisfacer la demanda del trabajo j
Como todas las ofertas y las demandas del problema de asignacin son nmeros enteros, todas las
variables en la solucin ptima del problema debes ser valores enteros.

Como el lado derecho de toda restriccin es igual a 1, cada
ij
x debe ser un entero no negativo, no mayor
que 1 y, por lo tanto, cada
ij
x debe ser igual a 0 o 1. Esto implica que se puede ignorar las restricciones
ij
x =0 o
ij
x =1.

El Mtodo Hngaro : Para resolver problemas de asignacin (min), utilizaremos el mtodo Hngaro:

Paso 1: Encuentre primero el elemento mas pequeo en cada rengln de la matriz m x m.
Construya una matriz al restar de cada costo el costo mnimo de su rengln. Encuentre, para esta
Trabajo
M
a
q
u
i
n
a
26
nueva matriz, el costo mnimo en cada columna; construya una nueva matriz (llamada matriz de
costos reducidos) al restar de cada costo el costo mnimo de su columna.

Paso 2: Dibuje el nmero mnimo de lneas (horizontales, verticales o ambas) que se necesitan
para cubrir todos los ceros en la matriz de costos reducidos. Si se requieren m lneas para cubrir
todos los ceros, se dispone de una solucin ptima entre los ceros cubiertos de la matriz. Si se
necesitan menos de m lneas para cubrir todos los ceros, siga con el Paso 3.

Paso 3: Encuentre el menor elemento no cero (llmelo k) en la matriz de costos reducidos, que no
est cubierto por las lneas dibujadas en el Paso 2. Ahora reste k de cada elemento no cubierto de
la matriz de costos reducidos y sume k a cada elemento de la matriz de costos reducidos cubierto
por dos lneas. Regrese al paso 2.

Ejemplos:

1. Una empresa tiene cuatro mquinas y tiene que terminar cuatro trabajos. Hay que asignar cada
mquina para que termine un trabajo completo. El tiempo requerido para preparar cada mquina
para terminar cada trabajo se muestra en la siguiente tabal:

Tiempo (Hrs.)
Trabajo 1 Trabajo 2 Trabajo 3 Trabajo 4
Mquina 1 14 5 8 7
Mquina 2 2 12 6 5
Mquina 3 7 8 3 9
Mquina 4 2 4 6 10

La empresa quiere minimizar el tiempo total de preparacin que se requiere para terminar los
cuatro trabajos. Utilice la programacin lineal para resolver este problema.

2. Se cuenta con cinco empelados para realizar cuatro trabajos. En la tabla se da el tiempo que tarde
cada persona en realizar cada trabajo. Determinar la asignacin de los empelados a los trabajos
que minimiza el tiempo total requerido para realizar los cuatro trabajos.

Tiempo (Hrs.)
Trabajo 1 Trabajo 2 Trabajo 3 Trabajo 4
Persona 1 22 18 30 18
Persona 2 18 - 27 22
Persona 3 26 20 28 28
Persona 4 16 22 - 14
Persona 5 21 - 25 28

3. Un federacin deportiva de natacin rene un equipo de relevos para los 400 metros de nado
combinado; cada nadador debe nadar 100 metros de pecho, espalda, mariposa, o libres. La
federacin cree que cada nadador realizar los tiempos dados en la siguiente tabla:

Tiempo (seg.)
Libre Pecho Mariposa Espalda
Nadador 1 54 54 51 53
Nadador 2 51 57 52 52
Nadador 3 50 53 54 56
Nadador 4 56 54 55 53

Metodo Simplex

Cargado por

Copyright:

Formatos disponibles

Metodo Simplex

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodo Simplex

Cargado por

Copyright:

Formatos disponibles

Programacin Lineal Lic. Mario E.

También podría gustarte