DESCRIPCIÓN BREVE

EL INVESTIGACION SOBRE EL
METODO DE DOS FASES
ENFOCANDO TODOS LOS
PUNTOS NECESARIOS

METODO PARA PODER APLICARLO

EN SU CORRECTA
EJECUCION.

DE DOS INXVESTIGACIO

FASES
N DE
OPERACIONES I

2022

INTRODUCCION. _
Este método es sumamente sencillo. Se usa ante la presencia de variables artificiales en
el modelo a solucionar y su objetivo es eludir el uso de la constante M, aquella que
definimos como un número muy grande, aunque finito, supuestamente por problemas de
redondeo o de escala.
Como desarrollador de software, sé que el algoritmo puede tratar a la M como una
constante si se le asigna un valor, o como una variable a la que se le asigne el valor

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

requerido (que respete la definición) en cada comparación, como lo hacen las personas
que resuelven a mano.
Habría más bien que comparar la eficiencia de los algoritmos a nivel de volumen de
cálculos, de numero de tableros, etc., para decantarse por uno u otro.

OBJETIVOS. _
Objetivo general
Conocer la decisión del método de Dos Fases, los pasos para resolver el problema de
programación Lineal por medio de dos fases y comprender cuando es más efectivo
utilizarlo.
Objetivos específicos

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

 1. Definir si el método de Dos Fases es una manera más compacta de resolver el
método simplex.
2. Comprender si el uso de este método requiere de una previa comprensión de la
técnica M para solucionar problemas de programación lineal.
3. Conocer la manera de convertir las inecuaciones para dar solución por medio de la
técnica de Dos Fases.
4. Conocer las variables matemáticas que permiten dar solución al problema de
programación lineal por medio de la técnica de Dos Fases.
¿Qué es la Técnica de las dos Fases?
Es una técnica utilizada en la solución de problemas de Programación Lineal.
¿Qué requerimientos debe de cumplir?
Requerimientos

 Modificar las restricciones para el lado derecho sea no negativo

 Convertir las desigualdades en su forma estándar
 Añadir una variable artificial no negativa (a) a las restricciones que en el paso 1
fueran = 0
¡Pasos para resolver problemas de programación lineal......!
Paso 1:

 Se formula el problema inicial reemplazando Xo por la suma de las variables

artificiales únicamente (R1, R2, etc.).
 Las restricciones quedan igual que las del problema original.
 Si el problema tiene un espacio factible, el valor mínimo de la nueva función
objetivo (Ro), lo cual indica que todas las variables artificiales son cero.
 Si lo anterior no se cumple, el problema termina concluyendo que no existe
solución factible.
Paso 2:

 Si el valor mínimo fue cero en la anterior (Ro = 0) se utiliza la solución final

com33o inicio de esta fase colocando únicamente la Xo del problema original con
valor de solución cero.
 A partir de aquí se sustituyen los valores de las casillas de Xo correspondiente a
las columnas pivotes considerando, además, el tipo de objetivo que este (PL)
tenga.
Otras Aplicaciones del Método de Dos fases

 Resolver un problema LP cuya función objetivo (w) sea minimizar la suma de las
variables artificiales (FASE 1)
 Si el valor óptimo de w es positivo el problema original no tiene solución factible.
 Si el valor óptimo de w es 0 y no hay variables artificiales en la solución básica se
eliminan las columnas de la tabla optima de la fase 1 que corresponden a las

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

 variables artificiales y se combinan la función objetivo original con las restricciones
de dicha tabla (Fase 2).

Ejemplo No.1
El problema es idéntico al de minimizar la función:
Z' = 8x1 -3x2 + 6x3
Aplicaremos el método simplex y para ello buscamos una solución básica por el método
de las dos fases:
Min : G(x) = x5 + x6
Sujeto a:

Para el problema ampliado una solución básica es:

La primera tabla del algoritmo para el método de las dos fases es:

El pivote de la transformación es v21 y la segunda tabla queda:

El pivote para este caso es v13 y la tercera tabla es:

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

Hemos llegado a una solución óptima en la que la función objetivo, G(x) es nula; por lo
tanto, el problema original tiene solución finita que podemos obtener aplicando
nuevamente el algoritmo. Para la tabla siguiente hemos de cambiar la función objetivo y,
por tanto, los Cq – Fq:

Para la siguiente tabla el pivote es v22 y tenemos:

Puesto que todos los Cq – Fq son positivos hemos llegado a la solución óptima que es:

Este problema puede también resolverse de otro modo. Si consideramos la restricción

que es igualdad, podemos despejar de ella una de las variables en función de las otras y
rebajar el problema en una dimensión. En principio podemos suponer que la variable
despejada no será nula al final por lo que nos interesa separar aquella que favorezca la
optimización. En este caso tomaremos x2. De ese modo:
3•x2 = x1 + 5•x3 – 4

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

Y llevando este resultado a las otras expresiones:

En la expresión a maximizar vemos que cuanto más pequeño sea el valor de las variables
sin llegar a ser negativo, mas se optimiza esta. Puesto que tiene que cumplirse la
inecuación, es trivial que tomemos x1 = 0. De ahí x3 = 10.
Considerando de nuevo la restricción igualdad se deduce inmediatamente x2 = 46/3 y, en
consecuencia, F máx = - 14.

EJEMPLO No.2
Min. Xo = 5X1 – 6X2 – 7X3
s.a.
5X1 – 6X2 + 10X3  20
X1 + 5X2 – 3X3  15
X1 + X2 + X3 = 5
Xi  0
SOLUCION
Fase 1
Forma Estándar
5X1 – 6X2 + 10X3 + S1 = 20
X1 + 5X2 – 3X3 – S2 + R1 = 15
X1 + X2 + X3 + R2 = 5
Min.
Ro = R1 + R2
Ro – R1 –R2 = 0

Tablero Inicial

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

El tablero anterior, se vuelve tablero inicial, por lo que se suman R1 y R2 al valor de
la fila Ro

Al haber llegado a Ro = 0, se continua en la siguiente fase, copiando el tablero final de la

primera fase, pero sustituyendo la función objetivo con los valores de la original, y ya no
se trabajan con las columnas de las penalizaciones (R1 y R2); y se sigue trabajando con
el método SIMPLEX

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

TABLERO FINAL

SOLUCION FINAL
R/
Xo = -125/4
X2 = 15/4
X3 = 5/4
S1 = 30

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ

CONCLUSIONES
El método de dos fases, se conforma efectivamente valga redundancia de dos fases, de
un modelo de programa lineal a solucionar por la minimización de la suma de las variables
artificiales encontradas en la normalización del modelo. Defiende una manera más
compacta al momento de resolver el método simplex, incluye dos fases que describe la
pronta solución de unas formas más prácticas y efectivas.
El método de dos fases, se usa ante la presencia de variables artificiales en el modelo a
solucionar y después eludir el uso de la constante M. Cada restricción debe ser convertida
de inecuación a una igualdad, agregando variables como se requiera. Para la
comprensión de éste algoritmo es preferible entender primero el Método M, aunque no es
estrictamente necesario.

KEVIN ALEXANDRO SANCHEZ ENRIQUEZ