Beruflich Dokumente
Kultur Dokumente
El Mtodo de las Dos Fases es una variante del Algoritmo simplex, que es usado como
alternativa al Mtodo de la Gran M, donde se evita el uso de la constante M para las
variables artificiales. Se puede resumir as:
Fase Uno:
Maximizar la suma de 3 de las variables artificiales del modelo. Si el valor de la Z
ptima es cero, se puede proseguir a la Fase Dos, de lo contrario el problema no tiene
solucin.
Fase Dos:
Con base en la tabla reclinable de la fase uno, se elimina de las restricciones las
variables artificiales, y se reemplaza la funcin objetivo, por la funcin objetivo original
y se resuelve a partir de la resultante, con el mtodo Simplex tradicional.
METODO DE LAS DOS FASES.
La desventaja de la tcnica M es el posible error de cmputo que podra resultar de
asignar un valor muy grande a la constante M. Esta situacin podra presentar errores
de redondeo en las operaciones de la computadora digital. Para evitar esta dificultad el
problema se puede resolver en 2 fases.
FASE 1. Formule un nuevo problema reemplazando la funcin objetivo por la suma de
las variables artificiales.
La nueva funcin objetivo se minimiza sujeta a las restricciones del problema original.
Si el problema tiene un espacio factible el valor mnimo de la funcin objetivo ptima
ser cero, lo cual indica que todas las variables artificiales son cero. En este momento
pasamos a la fase 2.
* Si el valor mnimo de la funcin objetivo ptima es mayor que cero, el problema no
tiene solucin y termina anotndose que no existen soluciones factibles
FASE 2. Utilice la solucin ptima de la fase 1 como solucin de inicio para el problema
original. En este caso, la funcin objetivo original se expresa en trminos de las
variables no bsicas utilizando las eliminaciones usuales Gauss-Jordan.
PROBLEMA # 1
Minimizar
Sujeto a:
Minimizar
Sujeto a:
FASE I
Minimizar
Sujeto a:
Minimizar
Sujeto a:
V.B.
X1
X2
S1
S2
R1
R2
Soluci
n
-1
-1
R1
-1
36
R2
-1
60
V.B.
X1
X2
S1
S2
R1
R2
Soluci
n
-1
-1
96
R1
-1
36
R2
-1
60
V.B.
X1
X2
S1
S2
R1
R2
Soluci
n
1/2
-1
1 /2
3/2
R1
1/2
-1
1 /2
-1/2
X2
1/2
-1/6
1/6
10
V.B.
X1
X2
S1
S2
R1
R2
Soluci
n
-1
-1
X1
-2
-1
12
X2
-2/3
-1
2/3
FASE II.
Minimizar
V. Bsica
X1
X2
S1
S2
Solucin
-2000
-500
X1
-2
12
X2
-2/3
V. Bsica
X1
X2
S1
S2
Solucin
-3500
5000/3
26000
X1
-2
12
X2
-2/3
V. Bsica
X1
X2
S1
S2
Solucin
-5000/3
-500/3
6000
S2
-2
12
X2
2/3
-1/3
12
PROBLEMA 2.
Maximizar
Sujeto a:
FASE I.
En la FASE I siempre es un problema de minimizacin.
Minimizar
Sujeto a:
V. Bsica
X1
X2
X3
S1
R1
Soluci
n
-1
S1
20
R1
15
V. Bsica
X1
X2
X3
S1
R1
Soluci
n
-1
15
S1
20
R1
15
V. Bsica
X1
X2
X3
S1
R1
Soluci
-1
S1
-1
-1
X1
1/3
2/3
1/3
V. Bsica
X1
X2
X3
S1
Solucin
-6
-4
-4
S1
-1
X1
1/3
2/3
V. Bsica
X1
X2
X3
S1
Solucin
-2
30
S1
-1
X1
1/3
2/3
V. Bsica
X1
X2
X3
S1
Solucin
-2/5
2/5
32
X2
-1/5
1/5
X1
11/15
-1/15
14/3
V. Bsica
X1
X2
X3
S1
Solucin
6/11
4/11
380/11
X2
3/11
2/11
25/11
X1
15/11
-5/11
70/11
i)
ii)
iii)
FASE I
Formular
un
nuevo modelo,
reemplazando
la funcin
objetivo del modelo original por la sumatoria de las variables
artificiales que se sumaron en el paso anterior. La nueva
funcin objetivo ser entonces de Minimizar sujeta a
las restricciones del problema original (en esta fase la funcin
objetivo siempre ser de minimizar, sin importar que
la funcin
objetivo del problema original
sea
de maximizar o minimizar). Si el problema tiene el espacio
de soluciones factibles, el valor mnimo (optimo) de la
nueva funcin objetivo ser de cero (lo cual indica que todas
las variables artificiales son cero). Si esto ocurre podremos
continuar con la fase dos de lo contrario, si el valor mnimo es
mayor que cero el problema es terminado ya que esto indica
que no existe espacio de soluciones factibles.
iv)
FASE II
Considerar la solucin bsica ptima de la fase I como una
solucin inicial para el problema original, en esta fase, de la
tabla optima de la fase I se eliminan las columnas de
las variables artificiales y se sustituye la funcin objetivo por
la del problema original, Toda vez que se comprueba que se
tiene una solucin inicial bsica-factible no-ptima se procede
con los pasos normales del algoritmo del mtodo simplex,
Con esta tabla finaliza la Fase 1. Notar que el valor de la funcin objetivo al
finalizar la Fase 1 es cero, por tanto podemos continuar la Fase 2.
FASE 2: Se elimina la columna asociada a la variable artificial "y" y se
actualiza el vector de costos reducidos considerando la funcin objetivo
original. De esta forma se obtiene la tabla inicial de la Fase 2.