Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESPECIALES
MÉTODO
DE DOS
FASES
Introducción
• Si al intentar aplicar el método simplex nos encontramos
con que no es posible encontrar una solución básica
factible (SBF) inicial, es preciso usar el método de las
dos fases.
Minimizar r = R1 + R2
s.a:
3 X1 + X2 + R1 + =3
4 X1 + 3X2 - H1 + R2 + = 6
X1 + 2X2 + H2 = 4
X1, X2, H1, H2, R1, R2 ≥ 0
Paso 2: Construimos tabla:
V. Básica X1 X2 H1 R1 R2 H2 Solución
r 0 0 0 -1 -1 0 0
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
H2 1 2 0 0 0 1 4
La solución no es factible porque contiene dos VA.
Como tenemos problema de minimizar, entonces coeficientes de
la fila r (FO) deben ser positivos o 0, como no es así realizamos la
siguiente operación:
Nuevo renglón r = Renglón r anterior + [1 x Renglón R1 + 1 x Renglón R2]
V. Básica X1 X2 H1 R1 R2 H2 Solución
r 7 4 -1 0 0 0 9
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
H2 1 2 0 0 0 1 4
Como el problema es minimizar – entonces variables que sale corresponde
la columna con el mayor valor de FO
V. X1 X2 H1 R1 R2 H2 Solución
Básica
r 7 4 -1 0 0 0 9
X1 1 1/3 0 1/3 0 0 1
R2 4 3 -1 0 1 0 6
H2 1 2 0 0 0 1 4
Paso 4: Hallamos la nueva ecuación pivote:
N.E.P = 1 1/3 0 1/3 0 0
Nueva Ecuación r:
Ec. r anterior 7 4 -1 0 0 0
-7 (N.E.P) -7 -7/3 0 -7/3 0 0
0 5/3 -1 -7/3 0 0
Nueva Ecuación R2 :
Ec. R2 anterior 4 3 -1 0 1 0
-4 (N.E.P) -4 -4/3 0 -4/3 0 0
0 5/3 -1 -4/3 1 0
Nueva Ecuación X4 :
Ec. X4 anterior 1 2 0 0 0 1
-1 (N.E.P) -1 -1/3 0 -1/3 0 0
0 5/3 0 -1/3 0 1
V. X1 X2 H1 R1 R2 H2 Solución
Básica
r 0 5/3 -1 -7/3 0 0 2
X1 1 1/3 0 1/3 0 0 1
R2 0 5/3 -1 -4/3 1 0 2
H2 0 5/3 0 -1/3 0 1 3
r 0 5/3 -1 -7/3 0 0 2
X1 1 1/3 0 1/3 0 0 1
X2 0 1 -3/5 -4/5 3/5 0 6/5
H2 0 5/3 0 -1/3 0 1 3
Paso 6: Hallamos la nueva ecuación pivote:
N.E.P = 0 1 -3/5 -4/5 3/5 0
Nueva Ecuación r:
Ec. r anterior 0 5/3 -1 -7/3 0 0
-5/3 (N.E.P) 0 -5/3 1 4/3 -1 0
0 0 0 -1 -1 0
Nueva Ecuación X1 :
Ec. X1 anterior 1 1/3 0 1/3 0 0
-1/3 (N.E.P) 0 -1/3 1/5 4/15 -1/5 0
1 0 1/5 3/5 -1/5 0
Nueva Ecuación X4 :
Ec. X4 anterior 0 5/3 0 -1/3 0 1
-5/3 (N.E.P) 0 -5/3 1 4/3 -1 0
0 0 1 1 -1 1
TABLA ÓPTIMA
V. Básica X1 X2 H1 R1 R2 H2 Solución
r 0 0 0 -1 -1 0 0
X1 1 0 1/5 3/5 -1/5 0 3/5
X2 0 1 -3/5 -4/5 3/5 0 6/5
H2 0 0 1 1 -1 1 1
H2 0 0 1 1 1 1/1=1
Z’ 0 0 0 0 0 -1 -1 0
h1 1 1 1 1 0 0 0 16
a1 3 2 2 0 0 1 0 26
a2 1 0 1 0 -1 0 1 10
VB x1 x2 x3 h1 h2 a1 a2 LD
Z’ 0 0 0 0 0 -1 -1 0
h1 1 1 1 1 0 0 0 16
a1 3 2 2 0 0 1 0 26
a2 1 0 1 0 -1 0 1 10
VB x1 x2 x3 h1 h2 a1 a2 LD
Z’ 4 2 3 0 -1 0 0 36
h1 1 1 1 1 0 0 0 16
a1 3 2 2 0 0 1 0 26
a2 1 0 1 0 -1 0 1 10
VB x1 x2 x3 h1 h2 a1 a2 LD
Z’ 4 2 3 0 -1 0 0 36
h1 1 1 1 1 0 0 0 16
a2 1 0 1 0 -1 0 1 10
VB x1 x2 x3 h1 h2 a1 a2 LD
x2 0 -2 1 0 -3 -1 3 4
VB x1 x2 x3 h1 h2 a1 a2 LD
Z’ 0 0 0 0 0 -1 -1 0
h1 0 1 0 1 1 0 -1 6
x1 1 2 0 0 2 1 -2 6
x2 0 -2 1 0 -3 -1 3 4
Z -1 -2 -3 0 0 0
h1 0 1 0 1 1 6
x1 1 2 0 0 2 6
x2 0 -2 1 0 -3 4
VB x1 x2 x3 h1 h2 LD
Z -1 -8 0 0 -9 12
h1 0 1 0 1 1 6
x1 1 2 0 0 2 6
x3 0 -2 1 0 -3 4
VB x1 x2 x3 h1 h2 LD
Z -1 -8 0 0 -9 12
h1 0 1 0 1 1 6
h1 1/2 1 0 0 1 3
x3 0 -2 1 0 -3 4
VB x1 x2 x3 h1 h2 LD
Z 7/2 1 0 0 0 39
h1 -1/2 0 0 1 0 3
h1 1/2 1 0 0 1 3
x3 3/2 1 1 0 0 13
Solución optima
Ejemplos
• Problema:
• El PPL debe transformarse eliminando las inecuaciones (o
restricciones del modelo) y convirtiéndolas en ecuaciones, para lo
cual debemos agregar en cada inecuación una variable de
holgura con signo negativo que las denotaremos por “H”,
además adicionaremos una variable artificial en cada inecuación
que las denotaremos por “A”, tal como se muestra en el cuadro
siguiente.
PROBLEMA
Minimizar
Sujeto a:
Minimizar
Sujeto a:
FASE I
Minimizar
Sujeto a:
Minimizar
Sujeto a:
V.B. Z X1 X2 S1 S2 R1 R2 Solución
Z 1 0 0 0 0 -1 -1 0
R1 0 2 3 -1 0 1 0 36
R2 0 3 6 0 -1 0 1 60
V.B. Z X1 X2 S1 S2 R1 R2 Solución
Z 1 5 9 -1 -1 0 0 96
R1 0 2 3 -1 0 1 0 36
R2 0 3 6 0 -1 0 1 60
V.B. Z X1 X2 S1 S2 R1 R2 Solución
Z 1 1/2 0 -1 1 /2 0 3/2 6
R1 0 1/2 0 -1 1 /2 1 -1/2 6
X2 0 1/2 1 0 -1/6 0 1/6 10
V.B. Z X1 X2 S1 S2 R1 R2 Solución
Z 1 0 0 0 0 -1 -1 0
X1 0 1 0 -2 1 2 -1 12
X2 0 0 1 1 -2/3 -1 2/3 4
FASE II.
Minimizar
V. Básica Z X1 X2 S1 S2 Solución
Z 1 -2000 -500 0 0 0
X1 0 1 0 -2 1 12
X2 0 0 1 1 -2/3 4
V. Básica Z X1 X2 S1 S2 Solución
Z 1 0 0 -3500 5000/3 26000
X1 0 1 0 -2 1 12
X2 0 0 1 1 -2/3 4
V. Básica Z X1 X2 S1 S2 Solución
Z 1 -5000/3 0 -500/3 0 6000
S2 0 1 0 -2 1 12
X2 0 2/3 1 -1/3 0 12
SOLUCION OPTIMA
PROBLEMA .
Maximizar
Sujeto a:
FASE I.
En la FASE I siempre es un problema de minimización.
Minimizar
Sujeto a:
V. Básica Z X1 X2 X3 S1 R1 Solución
Z 1 0 0 0 0 -1 0
S1 0 3 6 1 1 0 20
R1 0 3 1 2 0 1 15
V. Básica Z X1 X2 X3 S1 R1 Solución
Z 1 3 1 2 0 -1 15
S1 0 3 6 1 1 0 20
R1 0 3 1 2 0 1 15
V. Básica Z X1 X2 X3 S1 R1 Solución
Z 1 0 0 0 0 -1 0
S1 0 0 5 -1 1 -1 5
X1 0 1 1/3 2/3 0 1/3 5
FASE II.
Maximizar
V. Básica Z X1 X2 X3 S1 Solución
Z 1 -6 -4 -4 0 0
S1 0 0 5 -1 1 5
X1 0 1 1/3 2/3 0 5
V. Básica Z X1 X2 X3 S1 Solución
Z 1 0 -2 0 0 30
S1 0 0 5 -1 1 5
X1 0 1 1/3 2/3 0 5
V. Básica Z X1 X2 X3 S1 Solución
Z 1 0 0 -2/5 2/5 32
X2 0 0 1 -1/5 1/5 1
X1 0 1 0 11/15 -1/15 14/3
V. Básica Z X1 X2 X3 S1 Solución
Z 1 6/11 0 0 4/11 380/11
X2 0 3/11 1 0 2/11 25/11
X1 0 15/11 0 1 -5/11 70/11
Cómo detectar que un Problema de
Programación Lineal es infactible con el Método
Simplex de 2 Fases
Notar que todas las variables no básicas x1, x3, x4 tienen costos reducidos mayores o iguales a cero. Adicionalmente
las variables básicas x2 y x5 cumplen con las condiciones de no negatividad. En consecuencia hemos finalizado la
Fase 1 del Método Simplex de 2 Fases, sin embargo, el valor de la función objetivo es distinto de cero (en el ejemplo
es -4) lo que determina que el problema es infactible.
:
El área achurada color rojo corresponde a la intersección de los conjuntos de factibilidad
definido por la restricción 1 y las de no negatividad. Por otra parte el área achurada color
azul es la intersección de los conjuntos de factibilidad definido por la restricción 2 y las de
no negatividad. Luego resulta evidente que la intersección de dichos conjuntos (rojo y azul)
es vacío, por tanto no existen valores que puedan adoptar las variables de decisión y
satisfacer de forma simultanea todas las restricciones del problema.
Ejemplo
• Una fábrica de artesanías se dedica a la producción de bolsos y
chaquetas los cuales comercializa directamente a los clientes
en la plaza España. La venta de un bolso genera una utilidad de
$2.000 y consume 5 horas de mano de obra; mientras que la
venta de una chaqueta genera una utilidad de $3.000 y
consume 9 horas de mano de obra. Por políticas de la compañía
se requiere de no mantener en ocio a sus trabajadores y por lo
tanto se debe consumir en la producción un mínimo de 450
horas de mano de obra por mes. ¿Qué cantidad de bolsos y
chaquetas se debe fabricar, si por estudio de mercados se sabe
que mínimo se venderán 20 chaquetas y como máximo 30
bolsos por mes?
Solución
• Definición de variables
– X1 =Cantidad de bolsos a fabricar por mes.
– X2 =Cantidad de chaquetas a fabricar por mes.
• Máx. Z = 2000 X1 + 3000X2
• Sujeto a
– 5X1 + 9 X2 ≥ 450
– X1 < 30
– X2 ≥ 20
– X1, X2 ≥ 0
• Primera fase: Siguiendo el procedimiento descrito
al principio del capítulo para la primera fase, el
problema a resolver es el siguiente:
• Min G = A1+ A2
• Sujeto a
– 5X1 + 9X2 - S1 +A1 = 450
– X1 + H1 = 30
– X2 - S2 +A2 = 20
– X1, X2, S1, S2, A1, H1, A2≥ 0
• Segunda fase: se toma la función objetivo original y se utilizan
las restricciones generadas por la primera fase sin incluir las
variables artificiales. Teniendo en cuenta lo anterior el
problema a resolver es el siguiente:
• Máx. Z = 2X1 + 3X2 + 0S1 +0H1 +0S2
• Sujeto a:
– 5/9X1 -1/9S1 +S2 = 30
– X1 +H1 = 30
– 5/9X1 + X2 - 1/9S1 = 50.
– X1, X2, S1, S2, H1 ≥ 0
• Como se puede apreciar de la tabla, entra a la base la variable
X1 o la variable S1. Si entra S1, no se puede establecer que
variable sale de la base; lo que indica solución no acotada. A la
misma conclusión se llegará si se toma como variable de
entrada a la base la variable X1.