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.

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

Minimizar Sujeto a: FASE I Minimizar Sujeto a: Minimizar Sujeto a: V.B. Z R1 R2 V.B. 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 .

Básica Z X1 X2 V. Minimizar V. 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. Z R1 X2 V.B.V.B. Básica Z X1 X2 V. 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 .

En la FASE I siempre es un problema de minimización. Básica Z S1 R1 V. 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. Básica Z S1 R1 V. Minimizar Sujeto a: V. .PROBLEMA # 2.

FASE II. Maximizar V. Básica Z S1 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 . Básica Z X2 X1 V.

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

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

Sign up to vote on this title
UsefulNot useful