Mtodo de las dos fases

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

Aqu termina la fase I.

FASE II.
Maximizar

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

Mtodo de la doble fase

Pasos:
Como su nombre lo indica, consiste en resolver problemas en dos
fases:

i)

Expresar el modelo original en la forma estndar e igualar a

cero la funcin objetivo.

ii)

Sumar del lado izquierdo de cada ecuacin, correspondiente a

las restricciones del tipo y/o =, una variable no negativa.
Estas variables se llaman variables artifciales y su adicin
causa una alteracin a las restricciones correspondientes esta
dificultad es superada garantizando que las variables
artificiales sern igual a cero (W0=0) en la solucin ptima de
la primera fase.

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,

hasta obtener, si existe, la solucin ptima.

Mtodo SIMPLEX DE 2 FASES

Esta estrategia algortmica se aplica cuando luego de llevar un modelo de
programacin lineal a su forma estndar no se dispone de una solucin bsica
factible inicial.

Fase 1: Consideramos un problema auxiliar que resulta de agregar tantas

variables auxiliares a las restricciones del problema, de modo de obtener una
solucin bsica factible. Luego se debe resolver utilizando el Mtodo Simplex
un nuevo problema que considera como funcin objetivo la suma de las
variables auxiliares. Si el valor ptimo alcanzado al finalizar la Fase 1 es cero ir
a la Fase 2. En caso contrario, no existe solucin factible.

Fase 2: Resolver a travs del Mtodo Simplex el problema original a partir de la

solucin bsica factible inicial hallada en la Fase1.
Considere el siguiente modelo de Programacin Lineal:

FASE 1: Al agregar S1 como variable de exceso en la restriccin 1 resulta

evidente que no se dispone de una solucin bsica factible inicial, por tanto
utilizaremos una variable auxiliar "y" que incluiremos en el lado izquierdo de la
restriccin y que servir como variable bsica inicial. Esto define el problema
inicial de la Fase 1 junto a su tabla.

Luego la variable X2 entra a la base (costo reducido negativo) y claramente "y"

deja la base. Se actualiza la tabla utilizando el 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.

Dado que X2 es variable bsica al finalizar la Fase 1 buscamos dejar esta

misma variable como bsica al iniciar la Fase 2. Para ello multiplicamos por -3
la fila 1 y luego la sumamos a la fila 2.

En este sencillo ejemplo se llega inmediatamente a la tabla final de la Fase 2,

con solucin ptima X1=0 y X2=10. El valor ptimo V(P)=-30.