FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS MG. JESSICA PÉREZ RIVERA Otros algoritmos simplex MG. JESSICA PÉREZ RIVERA Introducción El método simplex estudiado anteriormente se inicia en una solución básica factible. Las siguientes iteraciones siguen siendo básicas y factibles, pero avanzan hacia la optimalidad, hasta llegar al óptimo en la última iteración, también es conocido como SIMPLEX PRIMAL. Estudiaremos dos algoritmos SIMPLEX DUAL y el SIMPLEX GENERALIZADO. En el primero la programación inicia en una solución básica que es óptima, pero no es factible, y las iteraciones sucesivas siguen siendo básicas y óptimas pero no factibles, en la última iteración se encuentra la solución factible (óptima). En el segundo método se combinan los dos métodos simplex primal y dual. EL problema inicia siendo no óptimo y no factible a la vez. En cada iteración se llega a soluciones básicas (factibles o no factibles). En la iteración final la solución es óptima y no factible al mismo tiempo. Método dual simplex La base de este método es que cada iteración siempre esté asociada a una solución básica. Las condiciones de optimalidad y factibilidad se establecen para preservar la optimalidad de las soluciones básicas y al mismo tiempo mover las iteraciones de la solución hacia la factibilidad. Mg. Jessica Pérez Rivera Condiciones dual De Factibilidad: La variable de salida xr es la variable básica que tiene el valor más negativo (los empates se rompen arbitrariamente). Si todas las variables son no negativas, termina el algoritmo. De Optimalidad: La variable de entrada se determina entre las variables no básicas, como: min 𝑛𝑜 𝑏á𝑠𝑖𝑐𝑎 𝑥𝑗 𝑧𝑗−𝑐𝑗 𝑎𝑟𝑗 , 𝑎𝑟𝑗 < 0 zj-cj es el coeficiente objetivo de la tabla, y arj es el coeficiente negativo de la restricción de la tabla, asociado con el renglón de la variable de salida xr, y con la columna de la variable xj no básica. Los empates se rompen arbitrariamente. Importante Para el inicio de una programación lineal óptima y no factible a la vez, se debe satisfacer: 1. La función objetivo debe satisfacer la condición de optimalidad del método simplex regular. 2. Todas las restricciones deben ser del tipo (<=) (a=b - a<=b, a>=b). Mg. Jessica Pérez Rivera Ejemplo 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑧 = 3𝑥1 + 2𝑥2 Sujeta a 3𝑥1 + 𝑥2 ≥ 3 4𝑥1 + 3𝑥2 ≥ 6 𝑥1 + 𝑥2 ≤ 3 𝑥1 , 𝑥2 ≥ 0 Mg. Jessica Pérez Rivera Simplex generalizado Inicia siendo no óptimo y no factible a la vez. Inicia con el mismo requerimiento del DUAL SIMPLEX. Aplicar la condición DUAL SIMPLEX de Factibilidad y seleccionar así la variable de salida. La variable de entrada será una variable no básica cuyo coeficiente de restricción en el renglón de la variable de salida sea estrictamente negativo. Realizar las operaciones entre filas. Si la solución de la tabla que queda ya es factible, pero no óptima, usar el SIMPLEX PRIMAL, de lo contrario volver a aplicar el proceso. Mg. Jessica Pérez Rivera Ejemplo Maximizar 𝑧 = 2𝑥3 s.a. Mg. Jessica Pérez Rivera −𝑥1 + 2𝑥2 − 2𝑥3 ≥ 8 −𝑥1 + 𝑥2 + 𝑥3 ≤ 4 2𝑥1 − 𝑥2 + 4𝑥3 ≤ 10 𝑥1 , 𝑥2 , 𝑥3 ≥ 0