SlideShare una empresa de Scribd logo
1 de 6
Realizado por:
Daniela Reyes
MÉTODO SIMPLEX
El método Simplex es un procedimiento iterativo que permite ir
mejorando la solución a cada paso. El proceso concluye cuando
no es posible seguir mejorando más dicha solución.
El método Simplex se basa en la siguiente propiedad: si la
función objetivo, f, no toma su valor máximo en el vértice A,
entonces hay una arista que parte de A, a lo largo de la cual f
aumenta.
Deberá tenerse en cuenta que este método
sólo trabaja para restricciones que tengan
un tipo de desigualdad "≤" y coeficientes
independientes mayores o iguales a 0, y
habrá que estandarizar las mismas para el
algoritmo.
Construcción de la primera tabla
En la primera columna de la tabla
aparecerá lo que llamaremos base
En la segunda el coeficiente que tiene en la
función objetivo cada variable que aparece en
la base (llamaremos a esta columna Cb)
En la tercera el término independiente de cada
restricción (P0), y a partir de ésta columna
aparecerán cada una de las variables de la
función objetivo (Pi).
Para tener una visión más clara de la
tabla, incluiremos una fila en la que
pondremos cada uno de los nombres de
las columnas.
Tabla
C1 C2 ... Cn
Base Cb P0 P1 P2 ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n
... ... ... ... ... ... ...
Pim Cim bim am1 am2 ... amn
Z Z0 Z1-C1 Z2-C2 ... Zn-Cn
Los valores de la fila Z se obtienen de la siguiente forma: El valor
Z0 será el de sustituir Cim en la función objetivo (y cero si no aparece
en la base). El resto de columnas se obtiene restando a este valor el
del coeficiente que aparece en la primera fila de la tabla.
Sobre ésta tabla que tenemos incluiremos dos nuevas
filas: una que será la que liderará la tabla donde
aparecerán las constantes de los coeficientes de la
función objetivo, y otra que será la última fila, donde
tomará valor la función objetivo. Nuestra tabla final
tendrá tantas filas como restricciones.
Una vez obtenida la variable entrante, obtendremos la variable que
sale, sin más que seleccionar aquella fila cuyo cociente P0/Pj sea el
menor de los estrictamente positivos (teniendo en cuenta que sólo
se hará cuando Pj sea mayor de 0). La intersección entre la columna
entrante y la fila saliente nos determinará el elemento pivote.
Condición de parada
Comprobaremos si debemos de dar una nueva iteración o no, que lo
sabremos si en la fila Z aparece algún valor negativo. Si no aparece
ninguno, es que hemos llegado a la solución óptima del problema.
Elección de la variable que entra
Si no se ha dado la condición de parada, debemos seleccionar una
variable para que entre en la base en la siguiente tabla. Para ello nos
fijamos en los valores estrictamente negativos de la fila Z, y el
menor de ellos será el que nos de la variable entrante.
Elección de la variable que sale
GRACIAS POR SU ATENCIÓN.

Más contenido relacionado

La actualidad más candente (18)

Actividad 3.5 equipo 3
Actividad 3.5 equipo 3Actividad 3.5 equipo 3
Actividad 3.5 equipo 3
 
Que es un algoritmo de jorge magaña
Que es un algoritmo de jorge magañaQue es un algoritmo de jorge magaña
Que es un algoritmo de jorge magaña
 
Beba
BebaBeba
Beba
 
Algoritmos
AlgoritmosAlgoritmos
Algoritmos
 
2
22
2
 
3.4 Trabajo Colaborativo
3.4 Trabajo Colaborativo3.4 Trabajo Colaborativo
3.4 Trabajo Colaborativo
 
Video 1
Video 1Video 1
Video 1
 
Los algoritmos
Los algoritmosLos algoritmos
Los algoritmos
 
Tablas de verdad_para_c_
Tablas de verdad_para_c_Tablas de verdad_para_c_
Tablas de verdad_para_c_
 
Aplicacion matematica y financiera
Aplicacion matematica y financieraAplicacion matematica y financiera
Aplicacion matematica y financiera
 
M Grande
M GrandeM Grande
M Grande
 
Selectivas
SelectivasSelectivas
Selectivas
 
Visión de Algoritmos clase 4
Visión de Algoritmos clase 4Visión de Algoritmos clase 4
Visión de Algoritmos clase 4
 
Atajos de teclados
Atajos de tecladosAtajos de teclados
Atajos de teclados
 
Derive 5
Derive 5Derive 5
Derive 5
 
Automata secuencial ejemplo a, diseño de diagrama de transición de estados.
Automata secuencial  ejemplo a, diseño de diagrama de transición de estados.Automata secuencial  ejemplo a, diseño de diagrama de transición de estados.
Automata secuencial ejemplo a, diseño de diagrama de transición de estados.
 
Mathcad
MathcadMathcad
Mathcad
 
Pre Algoritmos
Pre AlgoritmosPre Algoritmos
Pre Algoritmos
 

Destacado (20)

Arboles
ArbolesArboles
Arboles
 
1802.1 1
1802.1 11802.1 1
1802.1 1
 
redes de computadoras
redes de computadorasredes de computadoras
redes de computadoras
 
Xarxes informàtiques
Xarxes informàtiquesXarxes informàtiques
Xarxes informàtiques
 
Universidad internacional del ecuador
Universidad internacional del ecuadorUniversidad internacional del ecuador
Universidad internacional del ecuador
 
Junta pedagógica vsr
Junta pedagógica vsrJunta pedagógica vsr
Junta pedagógica vsr
 
Vámos, únete, we can do it !!
Vámos, únete, we can do it !!Vámos, únete, we can do it !!
Vámos, únete, we can do it !!
 
Acrostico omar19
Acrostico omar19Acrostico omar19
Acrostico omar19
 
Seginf17 . ley_de_proteccion_de_datos
Seginf17 . ley_de_proteccion_de_datosSeginf17 . ley_de_proteccion_de_datos
Seginf17 . ley_de_proteccion_de_datos
 
presentacion de juan david
presentacion de juan davidpresentacion de juan david
presentacion de juan david
 
03. cmo consultar el material
03. cmo consultar el material03. cmo consultar el material
03. cmo consultar el material
 
Presentación1
Presentación1Presentación1
Presentación1
 
Power point
Power pointPower point
Power point
 
Sent people
Sent peopleSent people
Sent people
 
Guadalbosque
GuadalbosqueGuadalbosque
Guadalbosque
 
Leyenda
LeyendaLeyenda
Leyenda
 
La derivada
La derivadaLa derivada
La derivada
 
Presentació1
Presentació1Presentació1
Presentació1
 
Planes de Gestión de espacios Red Natura 2000
Planes de Gestión de espacios Red Natura 2000Planes de Gestión de espacios Red Natura 2000
Planes de Gestión de espacios Red Natura 2000
 
Gestión preventiva y evaluación de la afección a la Red Natura 2000
Gestión preventiva y evaluación de la afección a la Red Natura 2000Gestión preventiva y evaluación de la afección a la Red Natura 2000
Gestión preventiva y evaluación de la afección a la Red Natura 2000
 

Similar a Metodosimplexdaniela

Similar a Metodosimplexdaniela (20)

Procedimiento-Método Símplex
Procedimiento-Método SímplexProcedimiento-Método Símplex
Procedimiento-Método Símplex
 
Método simple
Método simpleMétodo simple
Método simple
 
Método simplex
Método simplexMétodo simplex
Método simplex
 
Metodosimplex
MetodosimplexMetodosimplex
Metodosimplex
 
Metodosimplex
MetodosimplexMetodosimplex
Metodosimplex
 
PROGRAMACION LINEAL - METODO SIMPLEX
PROGRAMACION LINEAL - METODO SIMPLEXPROGRAMACION LINEAL - METODO SIMPLEX
PROGRAMACION LINEAL - METODO SIMPLEX
 
Act. 3.5_Metodo simplex_Equipo 3
Act. 3.5_Metodo simplex_Equipo 3Act. 3.5_Metodo simplex_Equipo 3
Act. 3.5_Metodo simplex_Equipo 3
 
Diapo 3
Diapo 3Diapo 3
Diapo 3
 
Método de dos fases M.ppt
Método de dos fases M.pptMétodo de dos fases M.ppt
Método de dos fases M.ppt
 
Método simplex
Método simplexMétodo simplex
Método simplex
 
Método Simplex Mercadotecnia Análisis de Decisiones Equipo 2
Método Simplex Mercadotecnia Análisis de Decisiones Equipo 2 Método Simplex Mercadotecnia Análisis de Decisiones Equipo 2
Método Simplex Mercadotecnia Análisis de Decisiones Equipo 2
 
Unidad3
Unidad3Unidad3
Unidad3
 
Unidad3 (1)
Unidad3 (1)Unidad3 (1)
Unidad3 (1)
 
Método Simplex Caso de Maximización
Método Simplex Caso de MaximizaciónMétodo Simplex Caso de Maximización
Método Simplex Caso de Maximización
 
Operativa 1
Operativa  1Operativa  1
Operativa 1
 
3 Metodo Simplex.pdf
3 Metodo Simplex.pdf3 Metodo Simplex.pdf
3 Metodo Simplex.pdf
 
Actividad3.5 equipo4completa
Actividad3.5 equipo4completaActividad3.5 equipo4completa
Actividad3.5 equipo4completa
 
Actividad 3.5 equipo 4 método simplex
Actividad 3.5 equipo 4 método simplexActividad 3.5 equipo 4 método simplex
Actividad 3.5 equipo 4 método simplex
 
Método simplex
Método simplexMétodo simplex
Método simplex
 
7.0 metodo simplex
7.0 metodo simplex7.0 metodo simplex
7.0 metodo simplex
 

Metodosimplexdaniela

  • 2. MÉTODO SIMPLEX El método Simplex es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El proceso concluye cuando no es posible seguir mejorando más dicha solución. El método Simplex se basa en la siguiente propiedad: si la función objetivo, f, no toma su valor máximo en el vértice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. Deberá tenerse en cuenta que este método sólo trabaja para restricciones que tengan un tipo de desigualdad "≤" y coeficientes independientes mayores o iguales a 0, y habrá que estandarizar las mismas para el algoritmo.
  • 3. Construcción de la primera tabla En la primera columna de la tabla aparecerá lo que llamaremos base En la segunda el coeficiente que tiene en la función objetivo cada variable que aparece en la base (llamaremos a esta columna Cb) En la tercera el término independiente de cada restricción (P0), y a partir de ésta columna aparecerán cada una de las variables de la función objetivo (Pi). Para tener una visión más clara de la tabla, incluiremos una fila en la que pondremos cada uno de los nombres de las columnas.
  • 4. Tabla C1 C2 ... Cn Base Cb P0 P1 P2 ... Pn Pi1 Ci1 bi1 a11 a12 ... a1n Pi2 Ci2 bi2 a21 a22 ... a2n ... ... ... ... ... ... ... Pim Cim bim am1 am2 ... amn Z Z0 Z1-C1 Z2-C2 ... Zn-Cn Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 será el de sustituir Cim en la función objetivo (y cero si no aparece en la base). El resto de columnas se obtiene restando a este valor el del coeficiente que aparece en la primera fila de la tabla. Sobre ésta tabla que tenemos incluiremos dos nuevas filas: una que será la que liderará la tabla donde aparecerán las constantes de los coeficientes de la función objetivo, y otra que será la última fila, donde tomará valor la función objetivo. Nuestra tabla final tendrá tantas filas como restricciones.
  • 5. Una vez obtenida la variable entrante, obtendremos la variable que sale, sin más que seleccionar aquella fila cuyo cociente P0/Pj sea el menor de los estrictamente positivos (teniendo en cuenta que sólo se hará cuando Pj sea mayor de 0). La intersección entre la columna entrante y la fila saliente nos determinará el elemento pivote. Condición de parada Comprobaremos si debemos de dar una nueva iteración o no, que lo sabremos si en la fila Z aparece algún valor negativo. Si no aparece ninguno, es que hemos llegado a la solución óptima del problema. Elección de la variable que entra Si no se ha dado la condición de parada, debemos seleccionar una variable para que entre en la base en la siguiente tabla. Para ello nos fijamos en los valores estrictamente negativos de la fila Z, y el menor de ellos será el que nos de la variable entrante. Elección de la variable que sale
  • 6. GRACIAS POR SU ATENCIÓN.