Algoritmo del método de las dos fases

En el método de la M se usa la gran M, “Un número muy grande”, existe un efecto de error en los
cálculos, ya que la gran M tiende a infinito, para evitar usar la gran M, se diseñó el Método de las

dos fases es aplicable cuando en el modelo de programación lineal (MPL) la solución factible
básica no está fácilmente disponible en su forma estándar, requiere el uso de variables artificiales.

Fase I se busca la factibilidad.

Minimizar la suma de las variables de Super-Avit ó Artificiales, usadas en el problema.

Si Z = 0, proceder con la fase II

Si Z es diferente de cero, el problema no tiene solución

Fase II se busca la optimidad.

Use la solución de la fase I como solución inicial factible de la fase II, teniendo en cuenta que todas
las variables de Super-Avit ó Artificiales son iguales a cero.

Para tener una idea de cómo se aplica este método, el algoritmo se describe en los pasos
siguientes.

Paso 1: Modelación del problema

Dado el enunciado de un problema de programación lineal, se realiza la modelación de este.

Paso 2: Estandarización del modelo

Una restricción (>) establece, normalmente, un límite inferior para las actividades del modelo de
programación lineal. Como tal, la cantidad por la que el lado derecho es mayor que el límite mínimo
(lado derecho) representa un excedente. Entonces, esta conversión se logra restando una variable
de excedencia y sumando una artificial, del lado izquierdo de la desigualdad.

x 1+ x2 ≥ 800 x 1 + x 2−s1 +a 1=¿800 s1 , a 1≥ 0

Una restricción (=) establece, una igualdad en los lados y agregaremos una variable artificial.

x 1+ x2 =800 x1 + x 2 +a 1=800 a1 ¿ 0
La variable artificial, es aquella que no tiene valor, pero es usada en los MPL, con la idea de
obtener una solución factible.

Recordatorio: Para convertir una desigualdad (<) en ecuación, se agrega una variable de holgura al
lado izquierdo de la restricción.

6 x 1+ 4 x 2 ≤ 24 6 x 1+ 4 x 2+ s 1=24 s1 ≥ 0

**Estandarización de la función objetivo para la fase I

La función objetivo de fase I, como se mencionó arriba, siempre se minimiza la función a optimizar,
expresada como la suma de todas las variables artificiales que contenga dicho modelo de fase I,
este hecho forzará a las variables artificiales a ser cero.; es decir:

Min w=∑ todaslas variables artificiales

i

Paso 3. Eliminar el renglón cero para resolver fase I

Se le denomina renglón cero a Min w= ∑ todaslas variables artificiales y se le deben sumar

i
todas las restricciones que contengan variables artificiales, con el objetivo de eliminarlas.

Inicio fase I
Paso 0. Determinar una solución básica factible de inicio.

Paso 1. Seleccionar una variable de entrada aplicando la condición de optimidad, detenerse si no

hay variable de entrada; la última solución es la óptima.

Condición de optimidad: la variable de entrada en un problema de maximización (minimización) es

la variable no básica que tenga el coeficiente más negativo (positivo) en el renglón de z. los
empates se rompen en forma arbitraria. Se llega al óptimo en la iteración en la que todos los
coeficientes de las variables no básicas en el renglón z son no negativos (no positivos).

Paso 2. Seleccionar una variable de salida aplicando la condición de factibilidad.

Condición de factibilidad: en los problemas de maximización y minimización, la variable de salida es

la variable básica asociada con la mínima razón no negativa (con denominador estrictamente
positivo). Los empates se rompen en forma arbitraria.

Paso 3. Determinar la nueva solución básica con los cálculos adecuado de Gauss- Jordan.

Los cálculos de Gauss-Jordan necesarios para obtener la nueva solución básica son de dos tipos:

1. Renglón pivote (ecuación pivote)

Nuevo renglón pivote (ecuación pivote)= (renglón pivote actual / elemento pivote)

2. Todos los demás renglones incluyendo Z

Nuevo renglón= (renglón actual) – ((su coeficiente en la columna pivote)* (nuevo renglón pivote))

Ir al paso 1.

Inicio fase II
La primera tabla simplex de la segunda fase será igual a la última tabla obtenida en la primera fase,
es decir, la tabla optima de fase I, pero eliminando las columnas de las variables artificiales.
Se introduce la función objetivo original y las variables que aparecen en la tabla optima de la fase
1, deben ser eliminadas del renglón cero de la fase 2 o el renglón w (la función objetivo original).

Para la aplicación del método de las dos fases, se deben aplicar los criterios del simplex como se
observa en la tabla.

Problema de: Primera fase Segunda fase

Maximización Minimización Maximización
Minimización Minimización Minimización

De esta tabla de puede concluir, entonces, que la primera fase siempre será de mínimos, mientas
que en la segunda fase se regresa a la función objetivo del modelo original.

Ejercicio paso a paso.

Ejercicio del libro de investigación de operaciones de WAYNE L. WINSTON pag. 172

 Paso 1: Modelación del problema

Bevco elabora una bebida carbonatada sabor a naranja que se llama Oranj mediante la
combinación de agua carbonata de naranja y jugo de naranja. Cada onza de agua carbonatada de
naranja contiende 0.5 onzas de azúcar y 1 mg de vitamina c. Cada onza de jugo de naranja
contiende 0.25 onzas de azúcar y 3mg de vitamina C. Bevco gasta 2 centavos por producir 1 onza
de agua carbonatada de naranja y 3 centavos por elaborar 1 onza de jugo de naranja. El
departamento de mercadotecnia de Bevco decidió que la botella de 10 onzas de Oranj debe
contener por lo menos 20 mg de vitamina c y cuando mucho 4 onzas de azúcar.

Definiendo las variables de decisión como:

x1= cantidad de onzas de agua carbonatada de naranja en una botella de Oranj

x2= cantidad de onzas de jugo de naranja en una botella de Oranj

El modelo PL es el siguiente:

min z=2 x 1+3 x 2

1 1
s.a x1 + x 2 ≤ 4
2 4
x 1+ 3 x 2 ≥20

x 1+ x2 =10

x1 , x2 ≥ 0
 Paso 2: Estandarización del modelo

z−2 x 1−3 x2 =0

1 1
x 1+ x 2 +s 1=4
2 4
x 1+ 3 x 2−s 2+ a1=20

x 1+ x2 + a2=10
**Estandarización de la función objetivo para la fase I

'
FO: min w =a1 +a 2

Forma estándar para fase I

'
w −a1−a2=0 Renglón 0

1 1
x 1+ x 2 +s 1=4 Renglón 1
2 4
x 1+ 3 x 2−s 2+ a1=20 Renglón 2

x 1+ x2 + a2=10 Renglón 3

Paso 3. Eliminar el renglón cero para resolver fase I

Nota: Sumamos el renglón 2 y 3 al renglón cero para eliminar las variables artificiales, el uno no
porque no tiene variables artificiales.

'
w −a1−a2=0
x 1+ 3 x 2−s 2+ a1=20
x 1+ x2 + a2=10
'
w + 2 x 1 +4 x 2−s 2=30
 Inicio fase I

Paso 0. Determinar una solución básica factible de inicio.

Nota: Es la aplicación del método simplex.

w x1 x2 s1 s2 a1 a2 Solución
w 1 2 4 0 -1 0 0 30
s1 0 1/2 1/4 1 0 0 0 4
a1 0 1 3 0 -1 1 0 20
a2 0 1 1 0 0 0 1 10

Entonces la solución básica factible (sbf) inicial:

W =30

s1=4

a 1=20

a 2=10

Paso 1. Seleccionar una variable de entrada aplicando la condición de optimidad.

VE

w x1 x2 s1 s2 a1 a2 Solución
w 1 2 4 0 -1 0 0 30
s1 0 1/2 1/4 1 0 0 0 4
a1 0 1 3 0 -1 1 0 20
a2 0 1 1 0 0 0 1 10

x 2 es la variable de entrada , por ser la mas positiva .

Paso 2. Seleccionar una variable de salida aplicando la condición de factibilidad.

w x1 x2 s1 s2 a1 a2 Solución
w 1 2 4 0 -1 0 0 30
s1 0 1/2 1/4 1 0 0 0 4
a1 0 1 3 0 -1 1 0 20 vs
a2 0 1 1 0 0 0 1 10
 4
s1= =16
1/4
20
a 1= =6.66 Variable de salida por ser la razón minima o mas proximaa cero.
3
10
a 2= =10
1

Paso 3. Determinar la nueva solución básica con los cálculos adecuado de Gauss- Jordan.

2. Renglón pivote (ecuación pivote)

renglón pivote 0 0.33 1 0 -0.33 0.33 0 6.66

2. Todos los demás renglones incluyendo Z

**Nueva w, su elemento pivote es (4)

1 2 4 0 -1 0 0 30
-(4) 0 0.333 1 0 -0.333 0.3333 0 6.66667
1 0.667 0 0 0.3333 -1.333 0 3.33333

Entonces la primera tabla nos queda de la siguiente manera y no terminamos, porque en el

renglón z hay positivos, en un problema de minimización terminamos hasta que todos los
coeficientes son negativos.

w x1 x2 s1 s2 a1 a2 Solución
w 1 2/3 0 0 1/3 -4/3 0 10/3
s1 0 5/12 0 1 1/12 -1/12 0 7/3
x2 0 1/3 1 0 -1/3 1/3 0 20/3
a2 0 2/3 0 0 1/3 -1/3 1 10/3

Como no llegamos a la solución óptima Ir al paso 1.

Paso 1. Seleccionar una variable de entrada X1

Paso 2. Seleccionar una variable de salida a2

w x1 x2 s1 s2 a1 a2 Solución Cociente
w 1 2/3 0 0 1/3 -4/3 0 10/3
s1 0 5/12 0 1 1/12 -1/12 0 7/3 28/5
x2 0 1/3 1 0 -1/3 1/3 0 20/3 20
 a2 0 2/3 0 0 1/3 -1/3 1 10/3 5

Paso 3. Determinar la nueva solución básica con los cálculos adecuado de Gauss- Jordan.

Renglón pivote (ecuación pivote)

Ecuación pivote 0 1 0 0 0.5 -0.5 1.5 5

Todos los demás renglones incluyendo Z

**Nueva w, su elemento pivote es (2/3)

Nueva w 1.00 0.67 0.00 0.00 0.33 -1.33 0.00 3.33

-(2/3) 0 1 0 0 0.5 -0.5 1.5 5
1 0 0 0 0 -1 -1 0

Entonces la segunda tabla nos queda de la siguiente manera y terminamos encontramos la

solución óptima. Ahora podremos pasar a la fase II, debido a que Z = 0

w x1 x2 s1 s2 a1 a2 Solución
w 1 0 0 0 0 -1 -1 0
s1 0 0 0 1 -1/8 1/8 -5/8 ¼
x2 0 0 1 0 -1/2 ½ -1/2 5
x1 0 1 0 0 1/2 -1/2 3/2 5

1
Se encontró la solución factible básica s1= , x 2=5 , x1 =5. Ninguna variable artificial está en la base de la
4
fase I.

Inicio fase II
Ahora se suprimen las columnas de las variables artificiales a 1 y a 2 (ya no se necesitan) y se reintroduce la
FO original.

w x1 x2 s1 s2 Solución
w 1 0 0 0 0 0
s1 0 0 0 1 -1/8 ¼
x2 0 0 1 0 -1/2 5
x1 0 1 0 0 1/2 5

z−2 x 1−3 x2 =0
Puesto que x 1 y x 2 están en la base óptima de la fase I, deben ser eliminadas del reglón 0 de la fase II. Se
suma 2(Renglón 3 que corresponde a x 1) + 3(Renglón 2 que corresponde a x 2) del tableau óptimo de la fase
I del renglón 0.

Renglón cero de la fase II

z−2 x 1−3 x2 =0
3
3 x 2− s 2=15
2
2 x1 + s2 =¿10
1
z− s2=25
2

Nota: Es la aplicación del método simplex nuevamente.

Paso 0. Determinar una solución básica factible de inicio.

z x1 x2 s1 s2 Solución
z 1 0 0 0 -1/2 25
s1 0 0 0 1 -1/8 ¼
x2 0 0 1 0 -1/2 5
x1 0 1 0 0 1/2 5

x 1=5 , x2 =5 , z=5

Este conjunto es óptimo. Las variables no básicas son cero y por tanto no hay variable de entrada.
Por lo tanto la fase II no necesita iteraciones.
Entonces, la solución a este problema es emplear 5 onzas de agua carbonatada de naranja y 5 onzas de jugo
de naranja para un costo mínimo de 25 centavos.