P. 1
Metodo de Dos Fases

Metodo de Dos Fases

|Views: 7|Likes:
Publicado porlouiscordov

More info:

Published by: louiscordov on Jun 12, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

09/14/2014

pdf

text

original

Introducción

:

MÉTODO DE LAS DOS FASES

No siempre es fácil obtener una solución básica factible inicial, en las variables originales del modelo. Para conseguir esto utilizaremos el Método Simplex de dos fases. El Método de las Dos Fases es una variante del algoritmo simple que es usado como alternativa al Método de la Gran M, donde se evita el uso de la constante M para las variables artificiales. La desventaja de la técnica M es el posible error de cómputo que podría resultar de asignar un valor muy grande a la constante M. Esta situación podría presentar errores de redondeo en las operaciones de la computadora digital. Para evitar esta dificultad el problema se puede resolver en 2 fases que se explicaran dentro del contenido de todo el reporte elaborado.

Como ya mencionábamos y como su nombre lo dice el método de las dos fases se divide en dos soluciones con las cuales se puede llegar a la optimización de un problema a solucionar. La nueva función objetivo se minimiza sujeta a las restricciones del problema original. FASE 1. por la función objetivo original y se resuelve a partir de ahí. Esta situación podría presentar errores de redondeo en las operaciones de la computadora digital. A continuación se muestra unos ejemplos: Problema # 1 Minimizar Sujeto a: . La desventaja de la técnica M es el posible error de cómputo que podría resultar de asignar un valor muy grande a la constante M. con el método Simplex tradicional. En este momento pasamos a la fase 2. se elimina de las restricciones las variables artificiales. Formule un nuevo problema reemplazando la función objetivo por la suma de las variables artificiales. * Si el valor mínimo de la función objetivo óptima es mayor que cero. el problema no tiene solución y termina anotándose que no existen soluciones factibles FASE 2. Si el problema tiene un espacio factible el valor mínimo de la función objetivo óptimo será cero. Para evitar esta dificultad el problema se puede resolver en 2 fases. y se reemplaza la función objetivo. Con base en la tabla óptima de la fase uno. lo cual indica que todas las variables artificiales son cero.

B.Minimizar Sujeto a: FASE I Minimizar Sujeto a: Minimizar Sujeto a: V. Z R1 R2 Z 1 0 0 Z 1 0 0 X1 0 2 3 X1 5 2 3 X2 0 3 6 X2 9 3 6 S1 0 -1 0 S1 -1 -1 0 S2 0 0 -1 S2 -1 0 -1 R1 -1 1 0 R1 0 1 0 R2 -1 0 1 R2 0 0 1 Solución 0 36 60 Solución 96 36 60 . Z R1 R2 V.B.

Básica Z X1 X2 V.V.B. Básica Z S2 X2 Z 1 0 0 Z 1 0 0 Z 1 0 0 X1 -2000 1 0 X1 0 1 0 X1 -5000/3 1 2/3 X2 -500 0 1 X2 0 0 1 X2 0 0 1 S1 0 -2 1 S1 -3500 -2 1 S1 -500/3 -2 -1/3 S2 0 1 -2/3 S2 5000/3 1 -2/3 S2 0 1 0 Solución 0 12 4 Solución 26000 12 4 Solución 6000 12 12 . Z X1 X2 Z 1 0 0 Z 1 0 0 X1 1/2 1/2 1/2 X1 0 1 0 X2 0 0 1 X2 0 0 1 S1 -1 -1 0 S1 0 -2 1 S2 1 /2 1 /2 -1/6 S2 0 1 -2/3 R1 0 1 0 R1 -1 2 -1 R2 3/2 -1/2 1/6 R2 -1 -1 2/3 Solución 6 6 10 Solución 0 12 4 FASE II. Básica Z X1 X2 V. Minimizar V.B. Z R1 X2 V.

PROBLEMA # 2. Básica Z S1 R1 V. Minimizar Sujeto a: V. Básica Z S1 R1 V. En la FASE I siempre es un problema de minimización. . Básica Z S1 X1 Z 1 0 0 Z 1 0 0 Z 1 0 0 X1 0 3 3 X1 3 3 3 X1 0 0 1 X2 0 6 1 X2 1 6 1 X2 0 5 1/3 X3 0 1 2 X3 2 1 2 X3 0 -1 2/3 S1 0 1 0 S1 0 1 0 S1 0 1 0 R1 -1 0 1 R1 -1 0 1 R1 -1 -1 1/3 Solución 0 20 15 Solución 15 20 15 Solución 0 5 5 Aquí termina la fase I. Maximizar Sujeto a: FASE I.

Maximizar V. Básica Z S1 X1 V. Básica Z X2 X1 V. Básica Z S1 X1 V. Básica Z X2 X1 Z 1 0 0 Z 1 0 0 Z 1 0 0 Z 1 0 0 X1 -6 0 1 X1 0 0 1 X1 0 0 1 X1 6/11 3/11 15/11 X2 -4 5 1/3 X2 -2 5 1/3 X2 0 1 0 X2 0 1 0 X3 -4 -1 2/3 X3 0 -1 2/3 X3 -2/5 -1/5 11/15 X3 0 0 1 S1 0 1 0 S1 0 1 0 S1 2/5 1/5 -1/15 S1 4/11 2/11 -5/11 Solución 0 5 5 Solución 30 5 5 Solución 32 1 14/3 Solución 380/11 25/11 70/11 .FASE II.

donde se evita el uso de la constante M para las variables artificiales. El Método de las Dos Fases es una variante del Algoritmo simplex. se minimiza la función que sea la suma de los valores de las variables artificiales. se puede proseguir a la Fase Dos. de lo contrario el problema no tiene solución. . Se resuelve la FASE I para el mismo conjunto de restricciones aumentadas. la función objetivo original se expresa en términos de las variables no básicas utilizando las eliminaciones usuales Gauss-Jordan. Si el valor de la Z óptima es cero. En este caso. y la solución de la FASE I esla solución básica factible inicial. Si resultan todas las variables artificiales iguales a cero se procede con la FASE II que optimiza la función objetivo original. Fase Dos: Utilice la solución óptima de la fase 1 como solución de inicio para el problema original. Se puede resumir así: Fase Uno: Minimizar la suma de las variables artificiales del modelo.Conclusión: En el método de las dos FASES: Se aumentan las variables correspondientes en las restricciones. que es usado como alternativa al Método de la Gran M.

mx/academico/carreras/industrial docencia. VÁZQUEZ ARÉVALO PROCESOS TECNOLOGICOS E INDUSTRIALES.itlalaguna.udea.edu.co/ingeniería . JOSÉ E. www.BIBLIOGRAFIA: PROGRAMACIÓN LINEAL: SOLUCIÓN DE PROBLEMAS CON EL “METODO DE LAS DOS FASES.edu.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->