METODOS DOS FASES

No siempre es fcil obtener una solucin bsica factible inicial, en las variables originales del
modelo. Para conseguir esto utilizaremos el Mtodo Simplex de dos fases.

El Mtodo de las Dos Fases es una variante del algoritmo simple que es usado como
alternativa al Mtodo de la Gran M, donde se evita el uso de la constante M para las variables
artificiales.

FASE 1:

Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares a las
restricciones del problema, de modo de obtener una solucin bsica factible. Resolver por
Simplex un nuevo problema que considera como funcin objetivo la suma de las variables
auxiliares. Si el valor ptimo es cero ir a la Fase 2. En caso contrario, no existe solucin
factible.

FASE 2:
Resolver por Simplex el problema original a partir de la solucin bsica factible hallada en la
Fase1.
Ejemplo: Max 2x1 + x2
sa:

10x1 + 10x2 9

10x1 + 5x2 1

x1,x2 0

Se debe agregar una variable de holgura (x 3) y una variable de exceso (x4), y llevarlo a su
forma estndar.

Min -2x1 - x2

sa: 10x1 + 10x2 +x3 =9

10x1 + 5x2 - x4 = 1

x1,x2, x3, x4 0

Aplicamos Simplex de dos Fases :

Fase 1: Min x5
 sa: 10x1 + 10x2 +x3 =9

10x1 + 5x2 - x 4 + x5 = 1

x1,x2, x3, x4, x5 0

Quedando la siguiente tabla:

Donde:

Luego se hace cero el costo reducido de la variable x5 de la tabla anterior, y queda la siguiente
tabla inicial.

La variable entrante a la base es x1 ( pues r1 < 0).

Calculamos Min { 9/10, 1/10}= 1/10, por lo tanto sale x 5.

Quedando:

Obtenindose la siguiente tabla final:

Donde, al anterior, corresponde a la solucin ptima del problema en la Fase 1, con valor
ptimo 0. De aqu entonces tomamos x1 y x3 como variables bsicas.

Fase 2:

Luego la variable entrante a la base es x 4 (pues r4<0). Y calculando Min { 8/1, (-1/10)/(1/10) } =
8, se tiene que sale x3.

En la tabla hacemos 0 los costos reducidos de variables bsicas

Quedando:

Donde la solucin ptima del problema resulta ser:

Algunos casos especiales

1) Problema Infactible. Esta situacin se detecta cuando el valor ptimo del problema de la
Fase 1 da mayor que cero.

2) Mltiples soluciones ptimas. Esta situacin se detecta cuando existen costos reducidos
iguales a cero en una o ms de las variables bsicas ptimas.

3) Problema no acotado. Esta situacin se detecta cuando al realizar el clculo de la variable

que deja la base, todos los elementos y k de la columna j en la tabla, son negativos para j el
ndice de una variable no bsica con costo reducido negativo.
 METODO SIMPLEX DUAL
Este mtodo se aplica a problemas ptimos pero infactibles. En este caso, las
restricciones se expresan en forma cannica (restricciones ).

La funcin objetivo puede estar en la forma de maximizacin o de minimizacin. Despus de

agregar las variables de holgura y de poner el problema en la tabla, si algn elemento de la
parte derecha es negativo y si la condicin de optimidad est satisfecha, el problema puede
resolverse por el mtodo dual simplex. Note que un elemento negativo en el lado derecho
significa que el problema comienza ptimo pero infactible como se requiere en el mtodo dual
simplex. En la iteracin donde la solucin bsica llega a ser factible esta ser la solucin ptima
del problema.

CONDICION DE FACTIBILIDAD

La variable que sale es la variable bsica que tiene el valor ms negativo (los empates se
rompen arbitrariamente si todas las variables bsicas son No negativas, el proceso termina y
esta ltima tabla es la solucin ptima factible).

CONDICION DE OPTIMIDAD

La variable que entra se elige entre las variables no bsicas como sigue. Tome los cocientes de
los coeficientes de la funcin objetivo entre los coeficientes correspondientes a la ecuacin
asociada a la variable que sale.

Ignore los cocientes asociados a denominadores positivos o cero.

La variable que entra es aquella con el cociente ms pequeo si el problema es de minimizar o

el valor absoluto ms pequeo si el problema es de maximizacin(rompa los empates
arbitrariamente). Si los denominadores son ceros o positivos el problema no tiene ninguna
solucin factible.

PARA QUE SE UTILIZA:

Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando en una solucin
bsica factible pero no ptima, genera soluciones bsicas factibles cada vez mejores hasta
encontrar la solucin ptima (s esta existe). La base de su lgica es mantener la factibilidad,
mientras busca la optimalidad. Pero surge la posibilidad de usar otro esquema igualmente
iterativo, que como contraparte del simplex, comienza en una solucin bsica ptima, pero no
factible y mantiene la inmejorabilidad mientras busca la factibilidad. Con este procedimiento se
llega igualmente a la solucin ptima.

El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el nombre
de Mtodo Dual-Simplex.

EN QUE CASOS SE UTILIZA:

Cada problema de programacin lineal tiene un segundo problema asociado con el.
Uno se denomina primal y el otro dual. Los 2 poseen propiedades muy relacionadas,
de tal manera que la solucin ptima a un problema proporciona informacin completa
sobre la solucin ptima para el otro.
Las relaciones entre el primal y el dual se utilizan para reducir el esfuerzo de computo
en ciertos problemas y para obtener informacin adicional sobre las variaciones en la
solucin ptima debidas a ciertos cambios en los coeficientes y en la formulacin del
problema. Esto se conoce como anlisis de sensibilidad o post-optimidad.
Otra de las ventajas que presenta es que dado a que el nmero de restricciones y
variables entre problema dual y primal es inverso, se pueden resolver grficamente
problemas que presenten dos restricciones sin importar el nmero de variables.
 Si el modelo primal o dual tiene solucin ptima finita entonces su respectivo dual o
primal tendrn solucin ptima finita.
Obtendremos que los trminos del lado derecho de las ecuaciones multiplicadas por (-
1) quedan con signo negativo, lo cual hace que la solucin inicial sea infactible.
Es importante destacar que este proceso es muy til ya que en muchos modelos evita
la inclusin de variables artificiales en el momento de transformar un modelo a formato
estndar.
Si el modelo primal o dual tiene solucin ptima no acotada, entonces su respectivo
dual o primal no tendrn solucin, ser un modelo infactible.
Si el modelo primal o dual no tiene solucin entonces su respectivo dual o primal no
tendrn solucin.
Al hacer lo anterior se logra que debajo de las variables bsicas aparezca una matriz
identidad, que es la que el simplex siempre toma como base inicial.

EJEMPLOS:

FUNCIN OPTIMA:

MIN Z=4X1 + 12X2 + 18X3

SUJETA A :

X1 + 18X3 >= 3

2X2 + 2X3 >= 5

X1 X2 X3 >= 0

Paso 1: Convertir el problema de minimizacin en uno de maximizacin . La funcin

objetiva se multiplica por -1

F.O. MIN Z= -4X1 - 12X2 - 18X3

La restricciones se multiplican por -1

S.A. -X1 - 18X3 <= -3

-2X2 - 2X3 <= 5

X1 X2 X3 >= 0

Paso 2: Se convierten las inecuaciones en ecuaciones

F.O. Z + -4X1 - 12X2 - 18X3 = 0

S.A. -X1 - 18X3 + S1 >= -3

-2X2 - 2X3 + S2 >= 5

Paso 3: Se determinan las variables bsicas y no bsicas.

Bsicas: S1 y S2

No Bsicas: X1 X2 X3

Paso 4: Se elabora la tabla inicial de simplex

 Paso 5: Determinar la variable que sale (fila pivote)

El nmero mas negativo de la solucin de las restricciones = fila de S2

Paso 6: Determinar la variable que entra (columna pivote).

Razn mayor = columna X2 (-12/2)

Paso 7: Elaborar la nueva tabla de simplex

a) Nueva fila pivote = fila pivote / elemento pivote

b) Nuevas filas Fila anterior - coeficiente de la columna pivote * nueva fila pivote

Nueva tabla simplex

Se realizan nuevamente los pasos del 5 al 7 obteniendo como solucin final:

Nota: No hay ms iteraciones cuando no existan soluciones con coeficientes negativos

El valor mnimo se alcanza para un X2 = 3/2 Y X3 = 1, para un Z=36